高维分类属性的子空间聚类算法.pdfVIP

小 型 微 型 计 算 机 系 统 2009年 10月 第 1O期 JournalofChineseComputerSystems V0L30 No．10 2oo9 高维分类属性的子空间聚类算法 单世民，王新艳，张宪超 (大连理工大学 软件学院，辽宁 大连 116621) E—mail：ssm@dlut．edu．cn 摘 要：高维分类数据的处理一直是数据挖掘研究所面临的巨大挑战．传统聚类算法主要针对低维连续性数据的聚类，难以处 理高维分类属性数据集．本文提 出一种处理高维分类数据集的子空间聚类算法(FP—Tree—basedSUBspaeeclusteringalgorithm， FPSUB)，利用频繁模式树将聚类 问题转化为寻找属性值的频繁模式发现问题，得到的频繁模式即候选子空间，然后基于这些 子空间进行聚类．针对真实数据集的实验结果表明，FPSUB算法比其他算法具有更高的准确度． 关键 词：分类属性；子空间聚类；频繁模式；FP一树 中图分类号：TP301．6 文献标识码：A 文 章 编 号：1000-1220(2009)10-2016-06 ClusteringAlgorithm forM iningSubspaceClustersinCategoricalDatasets SHAN Shi—rain，W ANG Xin—yan。ZHANG Xian-chao (SchoolofSoftware，DalianUniversityofTechnology，Dalian116621，China) Abstract．High·dimensional categorical datasetsplay na importantrole，SOitSsignificanttoclusterthesedatasets．However，tradi- tional clusteringalgorithmsmainly aim atlower—dimensional continuousdatasets，whereastheyaredifficulttodeal wiht categorical datasets．A new subspaceclusteringalgorithm —FPSUB ispropo sed．ItstoreshteinformationofdatasetswitllaFP- framework． whichtrnasfomrsclusteringclustersintofnidinghtefrequentpatterns．nadthenuti~zeshtemtoclusterhteobjects．111eexperimentre- suitsdemonstrate htefeasibilityandrobustnessofthisalgorithm ． Keywords：categorical data；subspaceclustering；frequent—pattern；FP·Tree 1 引 言 聚类方法过多依赖于距离矩阵的问题 ，基于”相似簇 比相异 簇具有更小的熵值”，提出了COOLCAT 算法．DarshitPra- 聚类作为数据挖掘的一个重要领域，已经被广泛探讨与 mra等针对聚类过程中出现的不确定性问题，利用模糊集合 研究．之前对分类数据的工作主要关注于二进制或事务型的 理论的思想，提出了MMRL9算法，从而实现对分类数据集的 数据集l1．2J，或将高维分类数据集进行压缩的架构 j，或利用 聚类． 超图对聚类项集进行分离 j．传统聚类算法并不适用于高维 以上算法均从全维数据空间对数据进行分析，针对数据 分类数据集，因为传统的距离测量方式不再适用于高维环境 维数变化的可伸缩性较差，广泛的研究证明””，在高维数 下的分类数据，在高维数据空间上，对象之间的距离亦变得几 据集中