一種魯棒的特征權(quán)重自調(diào)節(jié)軟子空間聚類算法

　　針對已有的特征權(quán)重自調(diào)節(jié)軟子空間（ SC-FWSA）聚類算法存在對噪聲敏感的問題，基于一種非歐氏距離，提出一種魯棒的特征權(quán)重自調(diào)節(jié)軟子空間（ RSC-FWSA）聚類算法。RSC-FWSA在迭代過程中自適應(yīng)地為數(shù)據(jù)生成一個(gè)權(quán)函數(shù)，通過計(jì)算每一類數(shù)據(jù)的加權(quán)平均來計(jì)算聚類中心，這種“加權(quán)平均”使得聚類中心的估計(jì)對噪聲相對不敏感，從而可以提升算法對帶噪聲數(shù)據(jù)和復(fù)雜結(jié)構(gòu)數(shù)據(jù)的聚類精度。人工數(shù)據(jù)和真實(shí)數(shù)據(jù)上的對比性實(shí)驗(yàn)，驗(yàn)證了RSC-FWSA算法的有效性。特別是人工帶噪聲數(shù)據(jù)和3個(gè)真實(shí)數(shù)據(jù)：Wine，Zoo以及Breastcancer上的實(shí)驗(yàn)結(jié)果表明，RSC-FWSA可以顯著提升原對應(yīng)算法的聚類精度。RSC-FWSA具有的強(qiáng)魯棒性使得該算法適用于高維帶噪聲和復(fù)雜結(jié)構(gòu)數(shù)據(jù)的聚類問題。
?