欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
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—based SUBspaee clustering algorithm，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．
英文摘要：
High-dimensional categorical datasets play an important role, so it＇s significant to cluster these datasets. However, traditional clustering algorithms mainly aim at lower-dimensional continuous datasets, whereas they are difficult to deal with categorical datasets. A new subspace clustering algorithm -FPSUB is proposed. R stores the information of datasets with a FP-Tree framework, which transforms clustering clusters into finding the frequent patterns, and then utilizes them to cluster the objects. The experiment results demonstrate the feasibility and robusmess of this algorithm.
同期刊论文项目
同项目期刊论文
位置：