摘要：聚类分析是数据挖掘中的一个重要研究课题。在许多实际应用中，聚类分析的数据往往具有很高的维度，例如文档数据、基因微阵列等数据可以达到上千维，而在高维数据空间中，数据的分布较为稀疏。受这些因素的影响，许多对低维数据有效的经典聚类算法对高维数据聚类常常失效。针对这类问题，本文提出了一种基于遗传算法的高维数据聚类新方法。该方法利用遗传算法的全局搜索能力对特征空间进行搜索，以找出有效的聚类特征子空间。同时，为了考察特征维在子空间聚类中的特征，本文设计出一种基于特征维对子空间聚类贡献率的适应度函数。人工数据、真实数据的实验结果以及与k-means算法的对比实验证明了该方法的可行性和有效性。

关键词：高维数据聚类 遗传算法 特征子空间 

单位：汕头大学计算机科学系 广东汕头515063