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:
由于高维数据聚类的现实意义日益增强,而Parzen窗估计法仅对低维数据集聚类能获得良好的结果,随着维数增加,效率降低,因此对Parzen窗进行加权改进,通过多次仿真实验确定加权函数,将高维数据投射至低维空间,对其聚类,逐步投向高维空间,对结果矩阵进行优化处理,得到更为优良的聚类效果.
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
拓展集合差异度高维数据聚类
高维数据聚类:CABOSFV_C算法
拓展集合差异度
CAESD算法
基于决策树的网络高维数据软子空间聚类方法研究
聚类方法
软子空间
高维数据
决策树
信息增益
仿真分析
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Parzen窗解决高维数据聚类的方法研究
来源期刊 计算机工程与应用 学科 工学
关键词 高维数据 Parzen窗 聚类
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 135-137
页数 分类号 TP391.9
字数 2776字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.08.040
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 柴毅 重庆大学自动化学院 157 2347 25.0 41.0
2 唐婧 10 29 3.0 4.0
3 利节 重庆大学自动化学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (13)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (6)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(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)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高维数据
Parzen窗
聚类
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导