作者:
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:
随着网络的普及和信息量的急剧增加,从海量数据中提取有用的数据信息已迫在眉睫.在对已有的基于密度偏差抽样算法改进的基础上,提出了一种基于密度偏差抽样的聚类算法.实验表明,随着信息量、数据维数的增加,该算法聚类的正确率以及对数据的处理速度都要较传统的聚类算法有所提高.
推荐文章
基于随机抽样和聚类特征的聚类算法
聚类
BIRCH算法
随机抽样
基于密度峰值优化的谱聚类算法
谱聚类
密度峰值
密度聚类
自适应
Nystr(o)m抽样
基于网格的多密度聚类算法
密度阈值递减
多阶段聚类
边界点提取
基于数据抽样的自动k-means聚类算法
k-means算法
信息熵
最优样本抽取
有效性指标
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 基于密度偏差抽样的聚类算法研究
来源期刊 重庆邮电大学学报(自然科学版) 学科 工学
关键词 密度偏差抽样 随机抽样 聚类 算法 正确率
年,卷(期) 2007,(6) 所属期刊栏目 计算机与自动控制
研究方向 页码范围 729-732
页数 4页 分类号 TP311.132
字数 4477字 语种 中文
DOI 10.3969/j.issn.1673-825X.2007.06.020
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 纪良浩 重庆邮电大学计算机科学与技术研究所 23 176 7.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (4)
同被引文献  (42)
二级引证文献  (8)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
密度偏差抽样
随机抽样
聚类
算法
正确率
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
重庆邮电大学学报(自然科学版)
双月刊
1673-825X
50-1181/N
大16开
重庆南岸区
78-77
1988
chi
出版文献量(篇)
3229
总下载数(次)
12
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导