基于深度学习的高维数据聚类算法研究

发布时间：2021-09-30 02:35

　　随着信息技术日新月异的发展,数据的规模和维度都在不断增长,数据呈现出高维特性。聚类是数据分析最常用的一种手段,但是由于高维数据中存在大量无关属性、分布稀疏和计算复杂等原因,K-means等传统的聚类算法在高维数据上表现不理想。针对高维数据的聚类问题,子空间聚类算法是一种直观的解决方案,即将高维特征空间转化到低维特征空间进行聚类,可以用主成分分析（PCA）、稀疏子空间聚类算法（SSC）和低秩表示算法（LRR）等方法来实现。虽然这些子空间聚类也取得了不俗的效果,但是这些通过浅层模型学习的数据表示可能无法捕捉高维数据的复杂的潜在结构;其次需要整个数据作为字典来学习特征,难以处理大规模据集。深度学习由于其出色的特征学习能力和快速推理能力,被认为是解决这些问题的有效手段。针对上述的问题,本文研究了子空间聚类算法和自编码器,提出基于局部结构保留的级联子空间聚类算法（Improved Cascade Subspace Clustering Based on Local Structure Preservation ICSC）。ICSC算法通过最小化样本点在两种距离度量空间下分布的差异微调特征空间,为... 

【文章来源】：华东交通大学江西省

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

简单的神经网络例子Fig.2-1Asimpleexampleofaneuralnetwork

Sigmoid函数及其导函数Fig.2-2Sigmoidfunctionanditsderivativefunction

tanh函数及其导函数Fig.2-3tanhfunctionanditsderivativefunction

【参考文献】：
期刊论文
[1]一种基于多属性权重的分类数据子空间聚类算法[J]. 庞宁,张继福,秦啸.  自动化学报. 2018(03)
[2]聚类算法研究综述[J]. 陈新泉,周灵晶,刘耀中.  集成技术. 2017(03)
[3]稀疏子空间聚类综述[J]. 王卫卫,李小平,冯象初,王斯琪.  自动化学报. 2015(08)
[4]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)

硕士论文
[1]基于深度神经网络的视觉识别分类研究[D]. 李燕飞.内蒙古工业大学 2018
[2]基于高维数据的聚类算法研究[D]. 史冬生.深圳大学 2017



本文编号：3414952