不平衡數(shù)據(jù)的軟子空間聚類算法

　　針對(duì)受均勻效應(yīng)的影響，當(dāng)前K-means型軟子空間算法不能有效聚類不平衡數(shù)據(jù)的問題，提出一種基于劃分的不平衡數(shù)據(jù)軟子空間聚類新算法。首先，提出一種雙加權(quán)方法，在賦予每個(gè)屬性一個(gè)特征權(quán)重的同時(shí)，賦予每個(gè)簇反映其重要性的一個(gè)簇類權(quán)重；其次，提出一種混合型數(shù)據(jù)的新距離度量，以平衡不同類型屬性及具有不同符號(hào)數(shù)目的類屬型屬性間的差異；第三，定義了基于雙加權(quán)方法的不平衡數(shù)據(jù)子空間聚類目標(biāo)優(yōu)化函數(shù)，給出了優(yōu)化簇類權(quán)重和特征權(quán)重的表達(dá)式。在實(shí)際應(yīng)用數(shù)據(jù)集上進(jìn)行了系列實(shí)驗(yàn)，結(jié)果表明，新算法使用的雙權(quán)重方法能夠?yàn)椴黄胶鈹?shù)據(jù)中的簇類學(xué)習(xí)更準(zhǔn)確的軟子空間；與現(xiàn)有的K-means型軟子空間算法相比，所提算法提高了不平衡數(shù)據(jù)的聚類精度，在其中的生物信息學(xué)數(shù)據(jù)上可以取得近50qo的提升幅度。

?