[发明专利]一种基于高维重叠数据分析的子空间聚类方法

摘要

本发明提供一种基于高维重叠数据分析的子空间聚类方法，涉及机器学习技术领域。该方法针对需要聚类的数据矩阵建立加权的混合范数子空间表示模型，利用线性交替方向法得到加权的混合范数子空间表示模型中优化后的系数矩阵，根据优化后的系数矩阵建立相似度矩阵，应用谱聚类算法对相似度矩阵进行子空间划分，得到初始聚类结果，建立子空间的重叠概率模型，采用重叠概率模型应用于初始子空间划分结果中，对子空间进行重叠判断，校验子空间聚类结果，得到最终的聚类结果。本发明提供的一种基于高维重叠数据分析的子空间聚类方法，能提高同一子空间数据的稠密性和不同子空间数据的稀疏性，提高聚类的准确率。

主权项

一种基于高维重叠数据分析的子空间聚类方法，其特征在于：包括以下步骤：步骤1：输入待聚类的数据矩阵X；步骤2：针对需要聚类的数据矩阵建立加权的混合范数子空间表示模型；步骤3：利用线性交替方向法得到加权的混合范数子空间表示模型中优化后的系数矩阵Z*；步骤4：根据优化后的系数矩阵Z*建立相似度矩阵U，如下式所示：U=12(|Z*|+|(Z*)T|);]]>步骤5：应用谱聚类算法对相似度矩阵U进行子空间划分，得到初始聚类结果；步骤6：建立子空间的重叠概率模型，采用重叠概率模型应用于初始子空间划分结果中，对子空间进行重叠判断，校验子空间聚类结果，得到最终的聚类结果。