基于自动权重的主动块对角子空间聚类

摘要

针对传统基于谱聚类的子空间聚类方法在高维数据存在离群点时，易受离群点干扰而导致聚类性能下降的问题，提出一种基于自动权重的主动块对角子空间聚类方法.该方法先为每个数据点赋予相应权重，通过权重差异识别数据中的离群点.在确定离群点后，主动降低其在表示矩阵中的贡献度，进而构建更优的表示矩阵以提升模型的聚类性能.在10个数据集上与8种对比算法的实验结果表明：在含10%,20%离群点的数据集上，该方法的平均聚类准确率、归一化互信息、调整Rand指数等指标普遍优于对比算法；在一般聚类任务中，其在超过半数数据集上性能最优或位居前三.因此该方法既能高效处理含离群点的高维数据聚类，又能在通用聚类任务中保持竞争力，为提高高维数据聚类的鲁棒性提供了有效方案，有较高的实际应用价值.

关键词

子空间聚类 / 离群点 / 自动权重 / 块对角方法