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:
最近几年,谱聚类思想开始用于数据挖掘领域,并取得了较好的效果;离群数据挖掘是对离群点进行检测,发掘出有用知识.将谱聚类中的NJW算法成功应用到离群数据挖掘领域,并结合离群指数的概念,提出了一种适合离群数据挖掘的谱聚类算法.与原有的基于聚类的离群检测算法相比,具有更好的效率和适应性.实验验证了所提算法的有效性和可行性.
推荐文章
离群数据挖掘在高炉物料消耗数据认证中的应用
高炉物料消耗
离群数据挖掘
k-最近邻距离法
金属料平衡法
离群数据挖掘综述
数据挖掘
离群检测
异常
高维离群
基于SOM的离群数据挖掘集成框架研究
离群数据发现
自组织映射
交互式数据挖掘
离群点挖掘研究
离群点
数据挖掘
局部离群点
高维数据
数据流
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 NJW在离群数据挖掘中的应用研究
来源期刊 计算机工程与应用 学科 工学
关键词 NJW 离群数据挖掘 谱聚类
年,卷(期) 2010,(7) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 128-130,212
页数 4页 分类号 TP18
字数 4270字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.07.038
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 朱庆生 重庆大学计算机学院 175 1952 22.0 33.0
2 杨鹏 重庆大学计算机学院 9 91 6.0 9.0
3 钟洵 重庆大学计算机学院 1 8 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  (5)
节点文献
引证文献  (8)
同被引文献  (4)
二级引证文献  (3)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
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)
2010(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)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(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
NJW
离群数据挖掘
谱聚类
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导