文件名称：论文研究-一种改进的SUBCLU高维子空间聚类算法.pdf
文件大小：1MB
文件格式：PDF
更新时间：2022-09-30 21:54:00
论文研究
SUBCLU高维子空间聚类算法在自底向上搜索最大兴趣子空间类的过程中不断迭代产生中间类，这些中间类的产生消耗了大量时间，针对这一问题，提出改进算法BDFS-SUBCLU，采用一种带回溯的深度优先搜索策略来挖掘最大兴趣子空间中的类，通过这种策略避免了中间类的产生，降低了算法的时间复杂度。同时BDFS-SUBCLU算法在子空间中对核心点增加一种约束，通过这个约束条件在一定程度上避免了聚类过程中相邻的类由于特殊的数据点合为一类的情况。在仿真数据集和真实数据集上的实验结果表明BDFS-SUBCLU算法与SUBCLU算法相比，效率和准确性均有所提高。