基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过分析各个簇的平均相似度,得到测试数据中的离群数据.最后进行了实验验证,结果表明本文提出的方法是有效的.
推荐文章
基于数据集对象平均离群因子的离群点选择算法
离群点
局部偏离因子
加权属性
数据挖掘
基于密度的局部离群数据挖掘方法的改进
离群数据挖掘
影响空间
链式距离
相似k距离邻居序列
离群因子
基于SOM的离群数据挖掘集成框架研究
离群数据发现
自组织映射
交互式数据挖掘
离群数据挖掘综述
数据挖掘
离群检测
异常
高维离群
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 基于平均相似系数的离群数据挖掘
来源期刊 计算机与现代化 学科 工学
关键词 数据挖掘 聚类算法 离群数据 相似系数
年,卷(期) 2006,(4) 所属期刊栏目 数据库
研究方向 页码范围 30-32
页数 3页 分类号 TP311.131
字数 3423字 语种 中文
DOI 10.3969/j.issn.1006-2475.2006.04.011
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 万晓冬 南京航空航天大学自动化学院 67 253 8.0 12.0
2 杨燕 南京航空航天大学自动化学院 6 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (15)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 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)
研究主题发展历程
节点文献
数据挖掘
聚类算法
离群数据
相似系数
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导