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:
由于科学技术的迅速发展,当今社会出现了大量的高维数据,对高维数据的挖掘变得越来越重要,一般的数据挖掘方法在处理高维数据时会遇到维灾的问题,同时,传统相似性度量在高维空间中也变得没有意义。本文从高维数据的特点、高维数据聚类的难点两个方面进行分析,指出了传统的聚类算法在处理高维数据时存在的问题,提出了针对高维数据挖掘中的聚类算法。
推荐文章
数据挖掘中聚类算法研究
数据挖掘
聚类
SOM
数据挖掘中的聚类算法综述
数据挖掘
聚类
聚类算法
基于数据挖掘的聚类算法研究
聚类
数据挖掘
支持向量聚类
高维数据聚类方法综述
高维数据
聚类
子空间
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 高维数据挖掘中的聚类算法研究
来源期刊 电脑与电信 学科 工学
关键词 高维数据 数据挖掘 聚类 聚类算法
年,卷(期) 2012,(11) 所属期刊栏目 学术探讨
研究方向 页码范围 47-49
页数 3页 分类号 TP311.13
字数 4126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 李郁林 9 17 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高维数据
数据挖掘
聚类
聚类算法
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
电脑与电信
月刊
1008-6609
44-1606/TN
大16开
广州市连新路171号国际科技中心B108室
1995
chi
出版文献量(篇)
8962
总下载数(次)
13
论文1v1指导