为了解决现有子空间聚类算法时间复杂度偏高以及 对输入参数敏 感的问题, 提出了 一种基于 属性聚类方 法的高 效子空间聚类算法. 算法首先通过计算每个属性的基 尼值来过滤冗 余属性, 而后通过 基于二维 联合基尼值 的关系函数建立非冗余属性的关系矩阵, 以衡量任 意 2 个非 冗余属性的相 关度, 进而在关系 矩阵上应 用可产生交 叠的聚 类算法, 聚类结果即为所有兴趣度子空间的候选集合 , 最后调用聚类算法得到 所有存在于 这些子空 间内的簇.在人工数据集 和真实数据集上的实验表明, 新算法不 仅在时 间复杂 度和子空 间簇的 寻找能 力方面 均有较 优表现,而且对输入参数的取值不甚敏感.