为了加快K-means计算速度和寻找最优聚类子空间,使用特定的变换矩阵对数据进行投影,将特征空间划分为聚类空间和噪声空间,前者包含全部空间结构信息,后者不包含任何信息。将噪声空间舍弃,在聚类空间下进行K-means每一次迭代。算法不同于PCA K-means先降维再聚类,而是在迭代过程中达到筛选维度的效果,并将保留的维度反馈给下一次迭代,同时聚类空间的维度信息是自动发现的,没有引入额外的参数。实验证明AC Kmeans算法相较于已有同类型算法在准确度和计算时间方面都得到了大幅提升。
科研之友
微信
新浪微博
Facebook
分享链接
