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:
聚类作为数据挖掘技术的重要组成部分,在很多领域有着广泛应用.蚁群算法是近几年研究的一种新算法,该算法采用分布式并行计算和正反馈机制,具有易于与其它方法相结合的优点.根据蚁群算法在聚类中的应用及改进型式的不同,文章主要介绍了几种基本的流行的蚁群聚类算法,分析了它们的不同之处,并对蚁群聚类算法今后的研究方向作了展望.
推荐文章
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
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
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
基于蚁群聚类的入侵检测技术研究
入侵检测
数据挖掘
蚁群聚类
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 蚁群聚类算法研究及应用
来源期刊 计算机工程与设计 学科 工学
关键词 聚类 蚁群算法 信息素 正反馈机制 蚁群聚类算法
年,卷(期) 2008,(19) 所属期刊栏目 人工智能
研究方向 页码范围 5009-5013
页数 5页 分类号 TP301
字数 6420字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (171)
参考文献  (12)
节点文献
引证文献  (36)
同被引文献  (44)
二级引证文献  (27)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(7)
  • 参考文献(0)
  • 二级参考文献(7)
1997(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(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(11)
  • 参考文献(3)
  • 二级参考文献(8)
2004(6)
  • 参考文献(2)
  • 二级参考文献(4)
2005(4)
  • 参考文献(2)
  • 二级参考文献(2)
2006(5)
  • 参考文献(5)
  • 二级参考文献(0)
2008(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)
2009(5)
  • 引证文献(5)
  • 二级引证文献(0)
2010(10)
  • 引证文献(8)
  • 二级引证文献(2)
2011(5)
  • 引证文献(4)
  • 二级引证文献(1)
2012(5)
  • 引证文献(4)
  • 二级引证文献(1)
2013(5)
  • 引证文献(3)
  • 二级引证文献(2)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(7)
  • 引证文献(4)
  • 二级引证文献(3)
2017(7)
  • 引证文献(4)
  • 二级引证文献(3)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
聚类
蚁群算法
信息素
正反馈机制
蚁群聚类算法
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
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导