论文部分内容阅读
现有的优秀的聚类算法大多是处理低维数据的，但是对于高维数据，由于其分布特性与低维情形有很大的差异，这些算法失效．为解决高维分类型数据聚类问题，提出了一种基于粗糙集的高维分类型数据子空间聚类算法，基于粗糙集的上、下近似集的类边界描述，确定了类边界范围，然后采用相容度来调整类边界，聚类的过程采用增长子空间的思想，从低维到高维迭代地搜子空间类簇．最后通过在soybean、zoo数据集上的对比实验，实验结果表明了算法不仅可行，而且精度高．