聚类算法在天文学中的应用

• 作者: 严太生 张彦霞 李冀 赵永恒
• 来源期刊: 天文学进展
• 学科: 地球科学
• 关键词: 天文学 聚类算法 数据挖掘
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 述评
• 页码范围: 112-127
• 分类号: P152
• 字数: 9700字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8349.2010.02.002

摘要

聚类算法是数据挖掘中用来发现数据分布和隐含模式的一种重要算法,它把大量数据点的集合分成若干类,使得每个类中的数据最大程度地相似,而不同类中的数据最大程度地不同.尤其对于大样本,在多参量和类别未知的情况下,该方法更为简洁有效.为了更好地使用这些算法,对数据挖掘领域的聚类分析方法及代表算法进行了讨论,阐述了数据挖掘对聚类算法的典型要求,并基于这些要求对数据挖掘中常用的聚类算法作了概括,以便于人们更容易、更快速地选择一种适用于具体问题的聚类算法.综述了数据挖掘中聚类算法的分类和原理以及常用的聚类算法在天文学中的具体应用,分析了它们各自的性能,并指出了其今后的发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冀	河北师范大学物理学院	10	35	4.0	5.0