原文服务方: 计算机应用研究       
摘要:
提出度量多个集合之间总体差异程度的拓展集合差异度及相关定理,并给出一种新的解决分类属性高维数据聚类问题的CAESD算法.基于拓展集合差异度及拓展集合特征向量,在CABOSFV_C聚类的基础上通过两阶段聚类完成全部聚类过程.采用UCI数据集与K-modes及其改进算法、CABOSFV_C算法进行比较实验,结果表明CAESD算法具有较高的聚类正确率.
推荐文章
高维数据聚类方法综述
高维数据
聚类
子空间
基于映射的高维数据聚类方法
映射
高维数据
聚类
大数据集合中冗余特征排除的聚类算法设计
大数据集
冗余特征排除
聚类算法
特征关联性
随机子空间
miRNA识别算法
基于方差权重矩阵模型的高维数据子空间聚类算法
子空间聚类
方差权重矩阵
模糊C-均值聚类
高维数据
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 拓展集合差异度高维数据聚类
来源期刊 计算机应用研究 学科
关键词 高维数据聚类:CABOSFV_C算法 拓展集合差异度 CAESD算法
年,卷(期) 2011,(9) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3253-3255
页数 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.09.013
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 武森 北京科技大学经济管理学院 64 658 14.0 23.0
2 叶俞飞 北京科技大学经济管理学院 2 0 0.0 0.0
3 俞晓莉 北京科技大学经济管理学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (61)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
研究主题发展历程
节点文献
高维数据聚类:CABOSFV_C算法
拓展集合差异度
CAESD算法
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导