【摘 要】
：
随着聚类技术应用范围的不断扩大,传统的聚类方法已不能满足对高维数据的分析要求.对高维数据的聚类分析,要求算法不仅要发现簇,而且还要发现存在簇的子空间.使用子空间聚类
【机 构】
：
云南大学信息学院 昆明 650091
【出 处】
：
第二十五届中国数据库学术会议(NDBC2008)
论文部分内容阅读
随着聚类技术应用范围的不断扩大,传统的聚类方法已不能满足对高维数据的分析要求.对高维数据的聚类分析,要求算法不仅要发现簇,而且还要发现存在簇的子空间.使用子空间聚类策略,通过数据分布差异度的概念来描述子空间上数据分布的密集性,提出了一种新的子空间聚类算法SCDDD.该算法能够满足对高维数据的聚类分析要求,而且能够发现任意形状的簇.实验结果表明算法的聚类精度较高,算法时间随相关维度的增加基本呈线性增长.最后将SCDDD算法应用于一个真实的数据集Food,我们发现了有趣的簇和存在这些簇的子空间.
其他文献
为支持各种联机分析型应用,需要存储物化数据立方的海量数据.紧凑立方体通过挖掘多条立方元组之间的共性以及各属性之间的依赖关系来消除冗余,大大减少了存储代价.介绍了紧凑
空间异常点是和其空间邻域对象不一致的数据对象或者在数据集中远远偏离其他对象的那些小比例时象.空间异常点的检测在地理信息系统和空间数据库的应用中都有着重要的意义。
时间序列的近似表示和相似性度量是时间序列挖掘的研究基础,对提高挖掘任务的效率和准确性至关重要.基于时间序列的ESAX(Extended Symbolic Aggregate Approximation)近似表
一我,黄宗英。1925年7月13日,即民国十四年五月二十三日生于北京,属牛。母亲怀我产期未到,忽阵痛,赶忙遣人去请产婆。产婆未到,我就已经生出来了。家人都说我是急性子。母亲
用户的访问预测是Web日志挖掘的重要分支,在过去的几年里,研究者们先后提出了基于关联规则、Markov模型、频繁访问模式和点击流树等预测模型.它们不考虑用户的反馈,无法判断
近几年,我国高等教育在招生规模上持续扩大,传统的手工管理方式工作量大,费时、费力、效率低,而各高校教务管理工作的“个性”化而又不宜采用商业化的教务软件。现着重介绍一
特征空间索引是提高大规模支持向量机SVM(Support Vector Machine)查询效率的关键,在多媒体数据库及信息检索领域具有重要的应用前景.为了进一步提高SVM特征空间索引的效率,
随着XML的广泛应用,XML上的关键字检索逐渐成为一个研究热点.现有的关键字检索方法主要基于LCA计算和候选点选择两种操作,存在以下问题:首先,现有方法利用Dewey编码来表示结
针对某些Web服务应用允许服务功能衰减这一事实,提出了多级服务属性的概念,即合成服务在不同的时刻满足的服务属性不同,用一个含有逐级弱化关系的服务属性集合表示服务功能,