作者:
原文服务方: 现代电子技术       
摘要:
聚类是对数据对象的集合无指导地进行分组.聚类分析应用广泛,既能作为一个独立的工具来进行数据分析,也可以作为其他算法的预处理步骤.然而,聚类是一个综合性的难题,且不同领域的不同要求使得有用的概念及方法的产生非常缓慢.概述了聚类分析的方法步骤,讲述了聚类分析中的两个经典算法,并对其进行了比较分析,最后提出了对这些方法进行改进的思路.
推荐文章
基于两种加权方式的模糊聚类算法
聚类分析
聚类中心
离群点
特征加权
样本加权
SOM+K-means两阶段聚类算法及其应用
聚类
自组织神经网络
K-means
细分
两种聚类算法在顾客行为分析中的应用比较
GN聚类算法
AP聚类算法
顾客行为
应用比较
基于图聚类与蚁群算法的社交网络聚类算法
社交网络
数据挖掘
聚类处理
人工蚁群优化
图聚类
信任信息
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 对两个经典聚类算法的分析
来源期刊 现代电子技术 学科
关键词 聚类 密度 高维 数据挖掘
年,卷(期) 2007,(17) 所属期刊栏目 电子技术
研究方向 页码范围 174-176
页数 3页 分类号 TP18
字数 语种 中文
DOI 10.3969/j.issn.1004-373X.2007.17.060
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 陈燕 7 19 3.0 4.0
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  (11)
参考文献  (1)
节点文献
引证文献  (5)
同被引文献  (8)
二级引证文献  (1)
2003(1)
  • 参考文献(0)
  • 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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(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
聚类
密度
高维
数据挖掘
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
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导