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:
大量复杂异构数据分布于各个网络站点上,分布式聚类是海量数据处理的一个重要应用.该文针对基于密度的分布式聚类(DBDC)算法提出一种改进算法,利用局部聚类获取更佳的代表对象,将代表对象集附带相关信息传送至主站点,用增强的基于密度的聚类算法进行全局聚类,并更新子站点聚类.理论分析和实验结果表明,该算法在聚类质量和算法效率方面优于DBDC算法.
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
基于节点数据密度的分布式K-means聚类算法研究
点对点技术
K-means聚类
自适应
置信半径
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
分布式环境中聚类问题算法研究综述
集中式聚类
分布式聚类
聚类精度
聚类时间
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 基于密度的分布式聚类算法研究
来源期刊 计算机工程 学科 工学
关键词 数据挖掘 分布式聚类 特殊核心对象
年,卷(期) 2008,(17) 所属期刊栏目 软件技术与数据库
研究方向 页码范围 65-67,70
页数 4页 分类号 TP301.6
字数 2931字 语种 中文
DOI 10.3969/j.issn.1000-3428.2008.17.024
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 郑金彬 龙岩学院数学与计算机科学学院 17 40 3.0 6.0
2 卓义宝 厦门大学计算机科学系 1 13 1.0 1.0
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  (0)
节点文献
引证文献  (13)
同被引文献  (7)
二级引证文献  (28)
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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(6)
  • 引证文献(2)
  • 二级引证文献(4)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(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
数据挖掘
分布式聚类
特殊核心对象
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导