基于鲁棒子空间聚类算法的多来源数据集成处理方法

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。

关键词

鲁棒子空间聚类算法 / 多来源数据 / 余弦相似性 / 数据集成处理 / 高维特征空间