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:
针对分布式聚类算法DBDC 存在的不足,提出一种基于中心点及密度的分布式聚类算法DCUCD.将数据分布计算出的虚拟点作为核心对象,核心对象的代表性随算法的执行次数提高,聚类即是对所有核心对象分类的过程.理论分析和实验结果表明,该算法能有效处理噪声和分布不规则的数据点,时间效率和聚类质量较好.
推荐文章
一种基于密度的分布式聚类改进算法
聚类
分布式
数据挖掘
代表点
最优聚类个数和初始聚类中心点选取算法研究
K-means算法
聚类中心
准确率
误差平方和
基于节点数据密度的分布式K-means聚类算法研究
点对点技术
K-means聚类
自适应
置信半径
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 基于中心点及密度的分布式聚类算法
来源期刊 计算机工程 学科 工学
关键词 数据挖掘 分布式聚类 中心点 噪声
年,卷(期) 2010,(19) 所属期刊栏目
研究方向 页码范围 56-58
页数 分类号 TP311.133
字数 3791字 语种 中文
DOI 10.3969/j.issn.1000-3428.2010.19.019
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 冯少荣 厦门大学信息科学与技术学院 49 822 13.0 28.0
2 张东站 厦门大学信息科学与技术学院 43 357 9.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (14)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
分布式聚类
中心点
噪声
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导