1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域中的關(guān)鍵技術(shù)之一，具有廣泛的應(yīng)用領(lǐng)域。隨著科技的發(fā)展，高維數(shù)據(jù)聚類的應(yīng)用越來越受到科學(xué)家們的關(guān)注。相對(duì)于傳統(tǒng)聚類，高維數(shù)據(jù)聚類有更多的難點(diǎn)，由于高維數(shù)據(jù)集具有稀疏性，傳統(tǒng)的聚類算法在處理這類數(shù)據(jù)時(shí)往往不能獲得理想的效果。子空間聚類是實(shí)現(xiàn)高維數(shù)據(jù)聚類的有效途徑，其思想是將搜索局限在相關(guān)維度中。
　　在高維數(shù)據(jù)聚類中，不同聚簇經(jīng)常與不同的維度集合相關(guān)聯(lián)。這樣的維度集合被稱為子空間。在不同的子空間中尋找不同聚簇的問

2、題被稱為子空間聚類。這種聚類經(jīng)常很富有挑戰(zhàn)性，因?yàn)閷ふ易涌臻g的過程和探測聚簇的過程經(jīng)常是循環(huán)依賴的?，F(xiàn)在的算法或者枚舉所有可能的子空間或者基于一種局部假設(shè)。然而前者的時(shí)間復(fù)雜度很高，后者的局部假設(shè)在很多實(shí)際應(yīng)用中并不正確。目前似乎除了這兩種方法以外沒有別的方法能夠打破這種循環(huán)依賴問題。然而，本文中提出了引入額外的約束信息來打破這種循環(huán)依賴的方法。在本文中本文提出的基于模型的半監(jiān)督子空間聚類算法(MSSC)充分地利用約束信息發(fā)現(xiàn)子空間并且