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:
数据聚类是重要的数据挖掘技术,在工程和技术等领域具有广泛的应用背景.蚁群算法作为一种新型的优化方法,具有很强的鲁棒性和适应性.文章着重介绍蚁群聚类算法的研究情况,阐述当今流行的蚁群聚类算法的基本原理及其特性,旨在为蚁群聚类算法的发展提供引导作用.
推荐文章
蚁群聚类算法在隐写分析中的应用
隐写分析
富模型
集成分类
蚁群算法
粒子群聚类算法综述
聚类分析
群智能
粒子群优化算法
基于扩散信息素的蚁群聚类算法及应用
蚁群算法
聚类分析
信息素扩散模型
客户分类
基于信息熵的蚁群聚类组合算法的研究
聚类
蚁群聚类
信息熵
K-均值
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 蚁群聚类算法综述
来源期刊 计算机工程与应用 学科 工学
关键词 数据挖掘 蚁群算法 聚类
年,卷(期) 2006,(16) 所属期刊栏目 数据库与信息处理
研究方向 页码范围 171-174,211
页数 5页 分类号 TP301
字数 6198字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.16.054
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 张宪超 大连理工大学软件学院 29 428 12.0 20.0
2 江贺 大连理工大学软件学院 47 513 12.0 21.0
3 张建华 大连理工大学软件学院 4 149 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (248)
参考文献  (8)
节点文献
引证文献  (118)
同被引文献  (105)
二级引证文献  (308)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(2)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(8)
  • 引证文献(7)
  • 二级引证文献(1)
2008(24)
  • 引证文献(14)
  • 二级引证文献(10)
2009(44)
  • 引证文献(13)
  • 二级引证文献(31)
2010(54)
  • 引证文献(19)
  • 二级引证文献(35)
2011(42)
  • 引证文献(11)
  • 二级引证文献(31)
2012(40)
  • 引证文献(13)
  • 二级引证文献(27)
2013(45)
  • 引证文献(11)
  • 二级引证文献(34)
2014(39)
  • 引证文献(9)
  • 二级引证文献(30)
2015(26)
  • 引证文献(5)
  • 二级引证文献(21)
2016(31)
  • 引证文献(6)
  • 二级引证文献(25)
2017(20)
  • 引证文献(1)
  • 二级引证文献(19)
2018(27)
  • 引证文献(7)
  • 二级引证文献(20)
2019(20)
  • 引证文献(0)
  • 二级引证文献(20)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
数据挖掘
蚁群算法
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导