自适应熵的投影聚类算法* (2014年)

受“维度效应”的影响，许多传统聚类方法运用于高维数据时往往聚类效果不佳。近年来投影聚类方法获得广泛关注，其中软子空间聚类法更是得到了广泛的研究和应用。然而，现有的投影子空间聚类算法大多数均要求用户预先设置一些重要参数，且未能考虑簇类投影子空间的优化问题，从而降低了算法的聚类性能。为此，定义了一种新的优化目标函数，在最小化簇内紧凑度的同时，优化每个簇所在的子空间。通过数学推导得到了新的特征权重计算方法，并提出了一种自适应的k-均值型投影聚类算法。该算法在聚类过程中，依靠数据集自身的相关信息及推导获得的公式动