原文服务方: 计算技术与自动化       
摘要:
随着数据信息的积累,如何从这些海量信息中有效地提取所需要的知识成为当前数据挖掘的重要内容.聚类作为数据挖掘的重要工具,通过将数据划分成多个类,使得类内数据尽可能相似,而类间数据的相似度尽可能小,已成为研究热点.本文总结在数据挖掘中的聚类算法,针对聚类中所存在的问题进行归纳,并对未来的研究进行了展望.
推荐文章
数据挖掘中聚类算法研究
数据挖掘
聚类
SOM
基于文本挖掘的聚类算法研究
文本挖掘
K-means
K-medoids
准确率
召回率
基于文本挖掘的聚类算法研究
文本挖掘
K-means
K-medoids
准确率
召回率
数据挖掘中的聚类算法综述
数据挖掘
聚类
聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于数据挖掘的聚类算法研究
来源期刊 计算技术与自动化 学科
关键词 聚类 数据挖掘 支持向量聚类
年,卷(期) 2006,(3) 所属期刊栏目 算法分析与研究
研究方向 页码范围 41-45
页数 5页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1003-6199.2006.03.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李志成 4 80 4.0 4.0
2 李秀芳 湖南商学院计算机与电子工程系 1 17 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (83)
参考文献  (7)
节点文献
引证文献  (17)
同被引文献  (10)
二级引证文献  (13)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(5)
  • 参考文献(5)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2011(3)
  • 引证文献(1)
  • 二级引证文献(2)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
聚类
数据挖掘
支持向量聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2979
总下载数(次)
0
论文1v1指导