基于约束主成份分析的文档聚类算法

摘要

在高维情形下，数据之间的差异往往被高维空间中的噪声所掩盖，从而近似于平均分布，因此常用聚类算法往往效果不佳。为了对高维数据进行有效聚类，通常先对数据进行维数约简处理，然后在低维空间中进行聚类。主成分分析是常用的维数约简方法，但其易丢失部分对聚类具有贡献的成份。为了在降维时能够保留对聚类具有贡献的成份，本文提出了维数约简和聚类同时进行的方法，此问题的求解可表示为约束优化问题，称之为基于约束主成份分析的聚类。进一步，应用矩阵变换理论给出问题的解析解，并给出了相应的迭代算法。在Reuter21578、20Newsgroups和WebKB文档集上的实验结果表明，本文方法与K均值聚类，非负矩阵分解聚类和谱聚类相比具有较好的性能。