一种用于聚类性能提升的方法技术

本发明专利技术涉及数据挖掘技术领域，且公开了一种用于聚类性能提升的方法，该方法综合运用了子空间学习、非线性处理、张量核范数约束以及共识相似性学习等技术手段。通过子空间学习，本方法能够揭示高维数据中隐藏的结构和特征，有效应对维度灾难问题。非线性处理部分则针对数据中的非线性信息进行了优化，揭示了数据的深层次非线性结构。利用张量核范数约束，本方法不仅提升了聚类算法的性能，而且在实际应用中显示出显著效果，如在人脸识别中提高了识别准确率，在市场分析领域帮助分析师更准确地区分不同消费群体，洞察消费者需求，从而显著提升了市场分析的准确性和有效性。

【技术实现步骤摘要】

本专利技术涉及数据挖掘，具体为一种用于数据处理的方法。

技术介绍

1、数据挖掘是人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。未来，随着技术的不断进步和应用领域的不断拓展，数据越来越多，也越来越繁杂，数据挖掘技术将在更多领域发挥重要作用，本申请现提出一种用于聚类性能提升的方法。

技术实现思路

1、针对现有技术的不足，本专利技术提供了一种用于聚类性能提升的方法，通过有效利用数据中的非线性信息和多视图数据的互补信息，从而提升聚类的性能。

2、为实现上述目的，本专利技术提供如下技术方案：一种用于聚类性能提升的方法，包括以下步骤：

3、s1、子空间学习，揭示高维数据中隐藏的结构和特征，有效应对维度灾难本文档来自技高网...

【技术保护点】

1.一种用于聚类性能提升的方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种用于聚类性能提升的方法，其特征在于：所述子空间学习，采用基于自表示的方法，获得表达数据内在关系的系数矩阵。

3.根据权利要求1所述的一种用于聚类性能提升的方法，其特征在于：采用基于自表示的方法，获得表达数据内在关系的系数矩阵包括以下步骤，通过训练两个相互连接的网络来实现降维和特征提取,其中一个网络被称为编码器,另一个网络被称为解码器，编码器将输入数据转换为一个由原始大小到低维表示的形式，解码器则将该表示形式重构为输入数据的形式，通过在编码器和解码器之间建立残差关系,可以使用自编...

【技术特征摘要】

1.一种用于聚类性能提升的方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种用于聚类性能提升的方法，其特征在于：所述子空间学习，采用基于自表示的方法，获得表达数据内在关系的系数矩阵。

3.根据权利要求1所述的一种用于聚类性能提升的方法，其特征在于：采用基于自表示的方法，获得表达数据内在关系的系数矩阵包括以下步骤，通过训练两个相互连接的网络来实现降维和特征提取,其中一个网络被称为编码器,另一个网络被称为解码器，编码器将输入数据转换为一个由原始大小到低维表示的形式，解码器则将该表示形式重构为输入数据的...

【专利技术属性】
技术研发人员：汤荣，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：