原文服务方: 计算机应用研究       
摘要:
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制.提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定聚类置信半径并指导下一步的聚类.实验表明,该算法能够有效地减少迭代次数,节省网络带宽;同时聚类结果也接近集中式聚类算法的结果.
推荐文章
一种分布式的K-means聚类算法
K-means聚类算法
分布式环境
大数据集
复杂度
基于划分的数据挖掘K-means聚类算法分析
数据挖掘
聚类分析
K-means聚类算法
聚类中心选取
K-means算法改进
初始中心点
一种基于密度的k-means聚类算法
聚类
k-means
信息熵
近邻密度
孤立点
基于数据抽样的自动k-means聚类算法
k-means算法
信息熵
最优样本抽取
有效性指标
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 基于节点数据密度的分布式K-means聚类算法研究
来源期刊 计算机应用研究 学科
关键词 点对点技术 K-means聚类 自适应 置信半径
年,卷(期) 2011,(10) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3643-3645,3655
页数 分类号 TP393
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.10.009
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 杨鹤标 江苏大学计算机科学与通信工程学院 78 637 13.0 22.0
2 沈项军 江苏大学计算机科学与通信工程学院 19 74 4.0 8.0
3 蒋中秋 江苏大学计算机科学与通信工程学院 10 51 4.0 7.0
4 张科泽 江苏大学计算机科学与通信工程学院 1 18 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (11)
参考文献  (6)
节点文献
引证文献  (18)
同被引文献  (21)
二级引证文献  (40)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
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(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(4)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(4)
  • 引证文献(4)
  • 二级引证文献(0)
2015(5)
  • 引证文献(4)
  • 二级引证文献(1)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(14)
  • 引证文献(1)
  • 二级引证文献(13)
2019(16)
  • 引证文献(1)
  • 二级引证文献(15)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
点对点技术
K-means聚类
自适应
置信半径
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