原文服务方: 科技与创新       
摘要:
空间聚类是数据挖掘的重要任务之一.粒子群优化算法具有收敛速度快,搜索全局最优能力强的特性.在基本粒子群优化算法的基础上,结合空间数据的实际特点,提出了一种基于粒子群优化算法的空间聚类分析方法,并对相应的适应度函数进行了改进.并以矿山实际测量数据为空间数据源,采用基于粒子群优化算法的空间聚类分析方法对其进行聚类.实验结果表明.基于粒子群优化的空间聚类方法能够快速准确地实现对空间数据进行聚类.
推荐文章
基于粒子群算法的移民新村空间优化模型
粒子群算法
移民新村
空间优化
模型
基于粒子群优化算法的聚类分析
粒子群优化算法
聚类分析
K-均值算法
基于聚类的多子群粒子群优化算法
粒子群优化算法
聚类
子群
基于邻域思想的改进粒子群优化算法
粒子群优化
邻域
群智能
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 基于粒子群优化算法的空间聚类分析
来源期刊 科技与创新 学科
关键词 粒子群优化 空间聚类 数据挖掘
年,卷(期) 2011,(4) 所属期刊栏目 博士论坛
研究方向 页码范围 18-20
页数 分类号 TP301
字数 语种 中文
DOI 10.3969/j.issn.2095-6835.2011.04.008
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 陈应显 辽宁阜新辽宁工程技术大学资源与环境工程学院 2 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (5)
同被引文献  (17)
二级引证文献  (3)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(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)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(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
粒子群优化
空间聚类
数据挖掘
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
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
论文1v1指导