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:
生物信息学和电子商务应用的迅速发展积累了大量高维数据,对高维数据的挖掘变得越来越重要,一般的数据挖掘方法在处理高维数据时会遇到维灾的问题,同时传统相似性度量在高维空间中也变得没有意义.文章从频繁项集挖掘、聚类、分类等三个方面对最新的高维数据挖掘算法的现状进行了综述,对这些算法如何解决高维数据挖掘存在的问题进行研究.
推荐文章
大规模高维数据集中局部异常数据挖掘算法
大规模高维数据集
局部异常数据
挖掘算法
本地化
数学建模中的高维数据挖掘技术优化研究
数学建模
高维数据
挖掘
特征压缩
数据聚类
面向数据集的ST-SNE算法高维数据降维研究
数据降维
二阶邻近距离
ST-SNE
高维数据集中局部离散文本数据挖掘方法研究
高维数据
数据特征聚类
数据挖掘
关联规则
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 高维数据挖掘算法的研究与进展
来源期刊 计算机工程与应用 学科 工学
关键词 数据挖掘 高维数据挖掘 频繁模式 聚类 分类
年,卷(期) 2006,(24) 所属期刊栏目 数据库与信息处理
研究方向 页码范围 170-173
页数 4页 分类号 TP311
字数 5887字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.24.051
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 王建东 南京航空航天大学信息科学与技术学院 158 1573 21.0 31.0
2 陈慧萍 河海大学计算机信息工程学院 40 475 13.0 20.0
6 王煜 河海大学计算机信息工程学院 11 88 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (7)
参考文献  (2)
节点文献
引证文献  (22)
同被引文献  (37)
二级引证文献  (83)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(6)
  • 引证文献(5)
  • 二级引证文献(1)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2011(9)
  • 引证文献(5)
  • 二级引证文献(4)
2012(7)
  • 引证文献(2)
  • 二级引证文献(5)
2013(13)
  • 引证文献(2)
  • 二级引证文献(11)
2014(8)
  • 引证文献(1)
  • 二级引证文献(7)
2015(11)
  • 引证文献(0)
  • 二级引证文献(11)
2016(16)
  • 引证文献(1)
  • 二级引证文献(15)
2017(15)
  • 引证文献(2)
  • 二级引证文献(13)
2018(9)
  • 引证文献(0)
  • 二级引证文献(9)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
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
高维数据挖掘
频繁模式
聚类
分类
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