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:
近年来数据挖掘领域中的聚类和人工智能领域的计算智能都有长足的进步和发展.计算智能自组织、自学习的特性为聚类问题的解决提供了一个有效的途径.当前基于计算智能的聚类算法主要包括:基于神经网络的聚类算法、基于遗传算法的聚类算法和基于蚁群算法的聚类算法.本文针对以上算法进行了阐述,详细说明了算法思想、关键技术和优缺点,并提出了有待进一步研究的问题.
推荐文章
云计算中基于群体智能算法的大数据聚类挖掘
云计算
群体智能算法
大数据挖掘
聚类分析
基于智能计算的聚类挖掘研究进展
聚类
数据挖掘
智能计算
粒子群优化
遗传算法
基于MapReduce并行化计算的大数据聚类算法
大数据
MapReduce
并行计算
数据聚类
云环境下基于群智能算法的大数据聚类挖掘技术
大数据聚类挖掘
云环境
群智能算法
数据挖掘
并行化聚类挖掘
数据密度计算
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 基于计算智能的聚类算法
来源期刊 计算机系统应用 学科 工学
关键词 聚类 自组织特征映射 遗传算法 蚁群算法
年,卷(期) 2009,(4) 所属期刊栏目 研究开发
研究方向 页码范围 32-35
页数 4页 分类号 TP3
字数 4615字 语种 中文
DOI 10.3969/j.issn.1003-3254.2009.04.008
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 成新明 中南大学信息科学与工程学院 8 45 4.0 6.0
2 马金亮 中南大学信息科学与工程学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (127)
参考文献  (9)
节点文献
引证文献  (9)
同被引文献  (8)
二级引证文献  (14)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(6)
  • 参考文献(1)
  • 二级参考文献(5)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 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)
2011(3)
  • 引证文献(2)
  • 二级引证文献(1)
2012(5)
  • 引证文献(2)
  • 二级引证文献(3)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
聚类
自组织特征映射
遗传算法
蚁群算法
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
相关基金
湖南省自然科学基金
英文译名:Natural Science Foundation of Hunan Province
官方网址:http://jj.hnst.gov.cn/
项目类型:一般面上项目
学科类型:
论文1v1指导