作者:
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:
传统的聚类算法主要是对数值型的数据进行聚类,而随着对数据的发展需求,建立在分类数据上的算法也越来越多,由于分类数据没有直接意义上的距离,传统算法不能解决这个问题.同时,现有子空间上的分类聚类研究不是很多.引用熵的概念来选择确定划分的类别和类的最优中心点,同时提出了一种新的目标函数来得到每个类上的相关子空间集,并根据目标函数的最小值来优化聚类的划分.实验结果表明,该方法是可行的,同时也能够了解每个类中的数据结构特点.
推荐文章
稀疏条件下的重叠子空间聚类算法
重叠子空间聚类
混合范数
重叠概率模型
指数族分布
基于小波子空间、支持向量机和模糊积分的信号多类分类算法
小波子空间
支持向量机
特征提取
信号分类
模糊积分
基于核空间相对密度的SVDD多类分类算法
支持向量数据描述
多类分类
核空间相对密度
基于重建系数的子空间聚类融合算法
稀疏表示
低秩表示
子空间聚类
聚类融合
系数重建
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 无重叠子空间分类聚类算法
来源期刊 计算机工程与设计 学科 工学
关键词 数据挖掘 聚类分析 分类数据 子空间
年,卷(期) 2009,(6) 所属期刊栏目 人工智能
研究方向 页码范围 1449-1451
页数 3页 分类号 TP391
字数 3865字 语种 中文
DOI
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 林庆 江苏大学计算机科学与通信工程学院 39 468 12.0 20.0
2 王敏 江苏大学计算机科学与通信工程学院 54 310 10.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (3)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (6)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(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
聚类分析
分类数据
子空间
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
总被引数(次)
161677
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导