基于鲁棒子空间聚类算法的多来源数据集成处理方法

江明泽; 李伟; 董丹

doi:10.19292/j.cnki.jdxxp.2026.03.005

吉林大学学报(信息科学版) ›› 2026, Vol. 44 ›› Issue (3) : 625 -631. DOI: 10.19292/j.cnki.jdxxp.2026.03.005

基于鲁棒子空间聚类算法的多来源数据集成处理方法

江明泽, 李伟, 董丹

作者信息 +

Author information +

文章历史 +

摘要

针对在多来源数据集成中，数据可能分布在不同的子空间中，且数据不平衡度较高的问题，为提高数据的分析效率，提出基于鲁棒子空间聚类算法的多来源数据集成处理方法。首先，通过改进数据平衡算法，计算最大类的采样数目及类平均采样数目，利用合成少数类过采样技术获取相对平衡子集，解决数据分布不均衡的问题;然后，通过Dice coefficient相似度度量的方式，计算多来源数据的余弦相似性，通过评估不同来源数据间的相似性，解决数据异构性和冗余问题;最后，在建立自表示性亲和图揭示数据内在关联性的基础上，利用鲁棒子空间聚类算法识别不同数据的特征子空间，通过引入鲁棒性机制，能抵抗噪声和冗余特征的影响，并计算数据的隶属度，根据隶属度实现数据集成处理。实验结果表明，该方法能实现对多来源数据集成处理，提高数据分析效率，保证数据一致性和可靠性。