科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用信息熵或模糊熵确定子空间聚类中每个簇的不同特征，较好地解决了高维数据的子空间聚类.为了进一步提高聚类算法的性能，将权向量的负结构α-熵引入到高斯混合模型中，获得了结构α-熵的加权高斯混合的子空间聚类模型，提出了结构α-熵的加权高斯混合模型的子空间聚类算法SEWMM(Structural α-Entropy Weighting Mixture Model)，该算法不仅可以发现高维数据空间中位于不同子空间的簇，而且能够获得子空间中具有不同形状体积的簇.同时，进一步分析了算法的收敛性与时间复杂性.通过选取UCI(University of California, Irvine)标准数据集及图像数据集，对提出的算法SEWMM进行了实验，并与一些典型的聚类算法进行了比较，表明了提出的算法在总体性能上具有一定的提升.
- 单位
