可對海量高維數(shù)據(jù)進行有效的聚類分析算法

　　隨著大數(shù)據(jù)時代的來臨，如何對海量高維數(shù)據(jù)進行有效的聚類分析并充分利用，已成為當(dāng)下的熱門研究課題。傳統(tǒng)的聚類算法在處理高維數(shù)據(jù)時，聚類結(jié)果的精確度和穩(wěn)定性較低，而子空間聚類算法通過分割原始數(shù)據(jù)的特征空間來得到不同的特征子集，可以大幅減小數(shù)據(jù)之間不相關(guān)特征對聚類結(jié)果的影響，挖掘出高維數(shù)據(jù)中不易展現(xiàn)的信息，在處理高維數(shù)據(jù)時具有顯著的優(yōu)勢。針對現(xiàn)有基于圖的子空間聚類算法在處理未知類型噪聲以及復(fù)雜的凸問題時存在局限性的問題，在子空間聚類算法的基礎(chǔ)上，結(jié)合空間投影理論，提出了一種基于投影的魯棒低秩子空間聚類算法。首先對原始數(shù)據(jù)進行投影，利用編碼消除投影空間的噪聲，并對缺失的數(shù)據(jù)進行彌補;然后利用一種新的方法l圖來構(gòu)造稀疏相似圖;最后在l圖的基礎(chǔ)上進行子空聚類。該算法不需要對噪聲的類型具有先驗知識，且l圖能夠很妤地描述高維數(shù)據(jù)稀疏性和空間分散的特征。選取3種人臉數(shù)據(jù)集作為實驗數(shù)據(jù)集，首先確定影響聚類效果的最優(yōu)參數(shù)，然后從準(zhǔn)確度、魯棒性、時間復(fù)雜度3個方面對算法進行驗證。實驗結(jié)果表明，在3種人臉數(shù)據(jù)集中混入未知類型的噪聲時，該算法具有較高的準(zhǔn)確率和較低的時間復(fù)雜度，并且具有好的魯棒性。