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:
基于集成学习的思想,提出一种分布式聚类模型.该模型的分布式处理过程分为2个阶段:先在局部站点局部聚类,然后在全局站点全局聚类.局部站点的局部聚类看作是一种基于数据子集的学习过程,所有的局部聚类结果组成了聚类集成系统的个体学习器,全局聚类采用平均法对局部结果进行集成,并定义了一个准则函数来度量集成的精度.把K-means算法推广到分布式环境,提出一种基于该模型的分布式K均值算法DK-means,该算法对局部数据的分布有较强的伸缩性.实验结果表明,DK-means在同等条件下能达到集中式聚类的精度水平,是有效可行的,从而验证了基于集成学习的分布式聚类模型的有效性.
推荐文章
一种基于密度的分布式聚类改进算法
聚类
分布式
数据挖掘
代表点
一种分布式的K-means聚类算法
K-means聚类算法
分布式环境
大数据集
复杂度
一种基于多主体技术的分布式图像聚类算法
多主体
图像聚类算法
多结构元素
邻域平均算子
形态学运算
一种基于密度峰值的高效分布式聚类算法
聚类
密度峰值
大数据
局部敏感哈希
Spark
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 一种基于集成学习的分布式聚类算法
来源期刊 东南大学学报(自然科学版) 学科 工学
关键词 K-means 分布式聚类 数据挖掘 集成学习
年,卷(期) 2007,(4) 所属期刊栏目
研究方向 页码范围 585-588
页数 4页 分类号 TP311
字数 2937字 语种 中文
DOI 10.3321/j.issn:1001-0505.2007.04.008
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 杨明 南京师范大学计算机系 58 1074 15.0 32.0
2 吉根林 南京师范大学计算机系 138 2757 22.0 50.0
3 凌霄汉 南京师范大学计算机系 5 39 5.0 5.0
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  (12)
参考文献  (4)
节点文献
引证文献  (9)
同被引文献  (7)
二级引证文献  (3)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(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)
2009(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
K-means
分布式聚类
数据挖掘
集成学习
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
东南大学学报(自然科学版)
双月刊
1001-0505
32-1178/N
大16开
南京四牌楼2号
28-15
1955
chi
出版文献量(篇)
5216
总下载数(次)
12
总被引数(次)
71314
相关基金
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导