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:
K-Means聚类算法用于将数据分成类,同一个类中的数据之间具有很高的相似度,而不同类中的数据高度相异.K-Means聚类算法已在网络入侵检测、计算机图像处理等领域有着广泛的应用.研究了K-Means聚类算法的原理,并通过VC+ +6.0实现了K-Means聚类算法聚类过程的图形演示.
推荐文章
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
K-means聚类算法初始中心选择研究
K-means聚类算法
K个聚类中心
密度参数
K-means算法改进
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
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 K-Means聚类算法研究及图形演示的实现
来源期刊 信息技术 学科 工学
关键词 K-Means 聚类 网络入侵检测 迭代
年,卷(期) 2010,(3) 所属期刊栏目 基金项目
研究方向 页码范围 23-25
页数 3页 分类号 TP311
字数 2188字 语种 中文
DOI 10.3969/j.issn.1009-2552.2010.03.007
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 李梓 大庆师范学院计算机科学与信息技术学院 36 173 7.0 12.0
2 蒋庆丰 大庆师范学院计算机科学与信息技术学院 13 31 2.0 5.0
3 程晓旭 大庆师范学院计算机科学与信息技术学院 20 83 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (73)
参考文献  (4)
节点文献
引证文献  (18)
同被引文献  (21)
二级引证文献  (49)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(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(4)
  • 引证文献(1)
  • 二级引证文献(3)
2012(4)
  • 引证文献(2)
  • 二级引证文献(2)
2013(10)
  • 引证文献(3)
  • 二级引证文献(7)
2014(9)
  • 引证文献(5)
  • 二级引证文献(4)
2015(8)
  • 引证文献(1)
  • 二级引证文献(7)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(14)
  • 引证文献(0)
  • 二级引证文献(14)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
K-Means
聚类
网络入侵检测
迭代
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
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导