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:
由于信息化的不断拓展,一方面数据广泛分布于不同的部门,各部门需求在不泄漏自身数据的情况下进行充分合作;另一方面由于数据量的巨大,集中式的运算已经很难满足各种应用的需求.在这一个背景下,分布式数据挖掘已经成一个研究的热点,通过将系统划分为中心节点和边缘节点,分层管理并减少数据交流给系统带来的负担;文章还将给出微簇的定义,并在边缘节点中进行算法的描述.实验说明在保证各部门的数据不泄漏的情况下,分布式算法具有跟集中式的K-means算法相近的准确率,说明算法具有可行性和有效性.
推荐文章
分布式实时流数据聚类算法及其基于Storm的实现
数据流
聚类
分布式
并行化
Storm
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
一种基于K-means的分布式聚类算法
聚类
分布式聚类算法
K-means算法
K-Dmeans算法
基于密度的分布式聚类算法研究
数据挖掘
分布式聚类
特殊核心对象
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 一种基于微簇的分布式聚类算法
来源期刊 计算机应用与软件 学科 工学
关键词 分布式聚类 微簇 中心一边缘框架
年,卷(期) 2011,(1) 所属期刊栏目
研究方向 页码范围 270-271,297
页数 分类号 TP3
字数 3064字 语种 中文
DOI 10.3969/j.issn.1000-386X.2011.01.081
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 吴承荣 复旦大学计算机科学技术学院 32 279 7.0 16.0
2 何青松 复旦大学计算机科学技术学院 3 6 2.0 2.0
3 曾剑平 复旦大学计算机科学技术学院 17 145 5.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (11)
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)
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(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2014(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
分布式聚类
微簇
中心一边缘框架
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导