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:
近年来,谱聚类因其深厚的理论基础而在机器学习和数据挖掘领域中引起了广泛的关注,该算法应用简单且聚类性能优于传统的聚类算法,比如k—means算法等。该文旨在对谱聚类算法进行综述,总结了不同的图划分准则及其性能,介绍了经典的谱聚类算法,最后分析总结了谱聚类算法的优缺点。
推荐文章
基于LPCA的谱聚类算法
局部主成分分析
谱聚类
连通图分解
交叉点
PPI网络的改进谱聚类算法
谱聚类算法
粒子群优化算法
蛋白质相互作用网络
三种谱聚类算法及其应用研究
聚类分析
谱聚类
规范化割
稀疏子空间聚类
谱曲率聚类
图像分割的谱聚类集成算法
谱聚类
集成学习
Hungarian算法
成分数据
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 谱聚类算法研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 谱聚类 图划分准则 聚类算法
年,卷(期) dnzsyjsxsb_2012,(6) 所属期刊栏目
研究方向 页码范围 3948-3950
页数 3页 分类号 TN923
字数 语种
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 徐天顺 3 16 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  (43)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(4)
  • 参考文献(4)
  • 二级参考文献(0)
2005(5)
  • 参考文献(5)
  • 二级参考文献(0)
2007(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)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(4)
  • 参考文献(4)
  • 二级参考文献(0)
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
谱聚类
图划分准则
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导