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:
结合关联限制K-means算法能有效地提高聚类结果,但对数据对象分配次序却非常敏感.为获得一个好的分配次序,提出了一种基于分配次序聚类不稳定性的迭代学习算法.根据Cop-Kmeans算法的稳定性特点,采用迭代思想,逐步确定数据对象的稳定性,进而确定分配次序.实验结果表明,基于分配次序聚类不稳定性迭代学习算法有效地提高了Cop-Kmeans算法的准确率.
推荐文章
面向大数据的K-means算法综述
聚类
K-means
采样
次线性时间算法
理论保证
基于Spark的并行K-means算法研究
Spark
K-means
PSO
迭代计算
基于变异的k-means聚类算法
聚类
mk-means算法
变异
k-means算法的研究与改进
聚类
划分方法
数据样本
阈值
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 面向限制K-means算法的迭代学习分配次序策略
来源期刊 计算机科学 学科 工学
关键词 聚类分析 半监督聚类 K-means 关联限制
年,卷(期) 2012,(8) 所属期刊栏目 数据库与数据挖掘
研究方向 页码范围 196-198,209
页数 分类号 TP181
字数 4254字 语种 中文
DOI 10.3969/j.issn.1002-137X.2012.08.042
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 何振峰 福州大学数学与计算机科学学院 34 74 4.0 6.0
2 邱烨 福州大学数学与计算机科学学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (138)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(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)
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
聚类分析
半监督聚类
K-means
关联限制
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
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
论文1v1指导