- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1 引言 近年来,随着信息技术、计算机网络与人工智能技术的不断发展,在实际问题中产生了大量高维数据,如何对这些数据进行聚类却遇到了很大的挑战.尽管人们提出了一些不同的聚类算法,但由于高维数据的特殊性,使得传统聚类算法并不能直接应用于这些数据,为此,人们对高维数据的聚类进行了研究,其中方法之一是维数约简技术,该方法主要由降维和聚类两个独立的过程构成,且每个过程对聚类结果将会产生一定的影响,也就是说,利用该方法获得的嵌入特征对于聚类来说并不一定是最优的,且使得具有区分能力的信息丢失.关于此问题,一些学者曾指出,若使用前几个主成分对数据聚类,则将破坏原数据的聚类结构[1].之后,人们提出了变量选择方
文档评论(0)