TY -的A2 -文图拉,塞巴斯蒂安AU - Vijendra,辛格盟——Laxman Sahoo PY - 2013 DA - 2013/12/31 TI -高维数据子空间聚类:进化方法SP - 863146六世- 2013 AB -集群高维数据一直是一个重大的挑战由于固有的稀疏点。大多数现有的聚类算法成为大幅低效如果所需的相似性度量计算数据点之间全面的空间。在本文中,我们提出了一个健壮的多目标子空间聚类(MOSCL)算法对高维聚类的具有挑战性的问题。MOSCL的第一阶段执行子空间相关性的分析检测密集和稀疏区域的位置在检测后的数据集。密集的地区它消除离群值。MOSCL发现子空间密集地区的数据集和生成子空间集群。在彻底的合成实验和实际数据集,我们证明MOSCL子空间聚类优于玛聚类算法。另外我们调查的影响第一阶段检测密集地区的子空间聚类的结果。我们的研究结果表明,消除异常值提高子空间聚类的准确性。聚类结果验证了聚类错误(CE)距离在不同的数据集。MOSCL可以发现各子空间簇与高质量,和MOSCL效率优于玛。 SN - 1687-9724 UR - https://doi.org/10.1155/2013/863146 DO - 10.1155/2013/863146 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi Publishing Corporation KW - ER -