论文部分内容阅读
高维分类数据的处理一直是数据挖掘研究所面临的巨大挑战．传统聚类算法主要针对低维连续性数据的聚类。难以处理高维分类属性数据集．本文提出一种处理高维分类数据集的子空间聚类算法（FP—Tree—based SUBspaee clustering algorithm，FPSUB），利用频繁模式树将聚类问题转化为寻找属性值的频繁模式发现问题，得到的频繁模式即候选子空间。然后基于这些子空间进行聚类．针对真实数据集的实验结果表明，FPSUB算法比其他算法具有更高的准确度．