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:
聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇.共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为D(n<'2>),不适合处理大规模数据集;(2)没有明确给出参数阁值的简单指导性操作方法;(3)只能处理数值型属性数据集.对共享最近邻算法进行改进,使其能够处理混合属性数据集,并给出参数阁值的简单选择方法,改进后算法运行时间与数据集大小成近似线性关系,适用于大规模高维数据集.在真实数据集和人造数据集上的实验结果表明,提出的改进算法是有效可行的.
推荐文章
改进的动态最近邻聚类算法在传感器校正中的应用
IDARBF神经网络
压力传感器
RBF神经网络
基于共享最近邻的离群检测算法
共享最近邻
离群检测
任意形状簇
混合属性
改进的共享型最近邻居聚类算法
聚类分析
共享型最近邻居
孤立点
相似度
VANET随机部署环境下基于改进型共享最近邻密度峰聚类的快速分簇算法
车载自组织网络
快速分簇算法
共享最近邻
密度峰聚类
随机部署场景
多跳簇结构
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 改进的共享最近邻聚类算法
来源期刊 计算机工程与应用 学科 工学
关键词 共享最近邻聚类算法 一趟聚类算法 大规模数据集
年,卷(期) 2011,(8) 所属期刊栏目 数据库、信号与信息处理
研究方向 页码范围 138-142
页数 分类号 TP393
字数 5676字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.08.041
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 蒋盛益 广东外语外贸大学思科信息学院 92 1053 18.0 28.0
2 李霞 广东外语外贸大学思科信息学院 41 308 10.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (6)
参考文献  (3)
节点文献
引证文献  (6)
同被引文献  (7)
二级引证文献  (6)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(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)
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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
共享最近邻聚类算法
一趟聚类算法
大规模数据集
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导