1、隨著計(jì)算機(jī)應(yīng)用的普及，信息系統(tǒng)產(chǎn)生的數(shù)據(jù)量日益增大，迫切需要高效的數(shù)據(jù)挖掘工具，從大量原始數(shù)據(jù)中尋找有價(jià)值的知識(shí)模式。聚類分析是數(shù)據(jù)挖掘的重要工作之一。二元數(shù)據(jù)是一種只有0和1兩種狀態(tài)的數(shù)據(jù)類型，常見(jiàn)的二元數(shù)據(jù)類型有購(gòu)物籃數(shù)據(jù)、文檔數(shù)據(jù)等，其維度往往高達(dá)成千上萬(wàn)。如何高效地從二元數(shù)據(jù)中尋找潛在的、自然存在的聚類簇，這是當(dāng)前聚類研究的熱點(diǎn)。
　　 本文對(duì)二元數(shù)據(jù)聚類分析展開(kāi)研究，目的是尋求高效的二元數(shù)據(jù)聚類算法。通過(guò)分析二元數(shù)據(jù)高

2、維稀疏性的特點(diǎn)，采用子空間聚類技術(shù)進(jìn)行研究。在已有的二元數(shù)據(jù)聚類算法--基于有限混合伯努利模型的聚類算法的基礎(chǔ)上，本文改進(jìn)出一種基于熵的算法--ESCB(Entropy basedSubspace Clustering of Binary Data)算法。改進(jìn)的主要方面有：①針對(duì)在二元數(shù)據(jù)空間中，傳統(tǒng)的基于距離的相似性度量方法導(dǎo)致點(diǎn)與點(diǎn)之間相似度分辨能力下降的問(wèn)題，本文定義了一種相似性度量方法，有效地解決了二元數(shù)據(jù)相似性度量的問(wèn)題；②通

3、過(guò)對(duì)基于有限混合伯努利模型的二元數(shù)據(jù)聚類算法的研究，針對(duì)算法需要用戶自行設(shè)定簇的個(gè)數(shù)作為算法的初始參數(shù)，致使算法應(yīng)用性受到局限的問(wèn)題。本文使用了改進(jìn)的初始化方法用來(lái)初始劃分?jǐn)?shù)據(jù)集，并且利用熵對(duì)初始劃分進(jìn)行質(zhì)量評(píng)價(jià)，進(jìn)一步判斷初始參數(shù)是否達(dá)到最優(yōu)，最后實(shí)現(xiàn)了無(wú)參聚類。
　　 實(shí)驗(yàn)表明，該算法能夠有效地發(fā)現(xiàn)二元數(shù)據(jù)空間中的聚類簇，并且為每個(gè)簇指定相應(yīng)的屬性空間。同時(shí)，與基于有限混合伯努利模型的聚類算法相比，改進(jìn)后的方法使得聚類算法在