作者:
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:
数据挖掘中对多维数据的处理时空见惯,分析了传统κ-means的不足,通过维简约、聚类前孤点排除,降低数据样本的复杂度与孤点对聚类结果的影响,以数据空间中各维分量的聚类中心作为聚类初始中心值.通过实验结果分析,改进后的κ-means算法能在很大程度上提高多维聚类的效率与聚类质量.
推荐文章
最大距离法选取初始簇中心的K-means文本聚类算法的研究
K-means聚类算法
最大距离
文本聚类
文本距离
测度函数
◢F◣度量值
K-means聚类算法初始中心选择研究
K-means聚类算法
K个聚类中心
密度参数
K-means算法改进
基于划分的K-均值初始聚类中心优化算法
K-均值算法
中心点划分
聚类分析
聚类算法初始聚类中心的优化
初始中心
聚类
算法优化
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 基于维分量簇中心为初始中心的多维κ-means聚类算法
来源期刊 曲阜师范大学学报(自然科学版) 学科 工学
关键词 κ-means 多维数据 维简约 孤点排除
年,卷(期) 2012,(4) 所属期刊栏目 计算机科学
研究方向 页码范围 65-69
页数 5页 分类号 TP301.6
字数 3734字 语种 中文
DOI
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 孙平安 武夷学院实验室管理中心 7 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (139)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(2)
  • 参考文献(1)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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
κ-means
多维数据
维简约
孤点排除
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
曲阜师范大学学报(自然科学版)
季刊
1001-5337
37-1154/N
大16开
山东省曲阜市
24-128
1964
chi
出版文献量(篇)
2642
总下载数(次)
11
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导