一种基于双空间学习的分类数据聚类方法及系统

本发明公开了一种基于双空间学习的分类数据聚类方法及系统，包括以下步骤：S1、接收并预处理包含多个分类属性的数据集，对分类属性值进行统一格式编码转换，初始化聚类归属矩阵和度量权重。S2、构造新的度量函数，动态调整度量空间权重，最小化聚类目标函数，通过交替迭代优化权重和聚类划分。S3、优化属性子空间权重，评估属性在聚类中的重要性，定义聚类紧致性，并使用Hellinger距离衡量属性的聚类可分性，计算属性权重。S4、结合度量空间学习与属性值子空间学习，协同更新度量权重和属性权重，优化目标函数，实现分类数据的聚类。本申请与传统技术相比，能够自适应调整度量和属性权重，克服了固定规则的局限，显著提高了聚类性能和泛化能力。