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:
分析分布式数据流聚类算法的基本框架结构,针对CluStream算法对非球形聚类效果不佳提出一种基于密度和中心点的分布式数据流聚类算法DDCS-Clustering(Distributed Density and Centers Stream Clustering)。该算法应用密度、中心点与衰减时间窗口,在分布式环境下对数据流进行聚类。实验结果表明,DDCS-Clustering算法具有较高的聚类质量与较低的通信代价。
推荐文章
基于节点数据密度的分布式K-means聚类算法研究
点对点技术
K-means聚类
自适应
置信半径
一种基于代表点的分布式数据流聚类算法
分布式数据流
数据挖掘
聚类
聚类演化
代表点
一种基于密度的分布式聚类改进算法
聚类
分布式
数据挖掘
代表点
分布式数据流的渐增式聚集维护算法
数据流
分布式系统
增量聚集
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 分布式密度和中心点数据流聚类算法的研究
来源期刊 计算机应用与软件 学科 工学
关键词 密度 中心点 分布式 数据流聚类
年,卷(期) 2013,(10) 所属期刊栏目 基金项目论文
研究方向 页码范围 181-184
页数 4页 分类号 TP39
字数 4342字 语种 中文
DOI 10.3969/j.issn.1000-386x.2013.10.050
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 高宏宾 五邑大学计算机学院 13 134 6.0 11.0
2 侯杰 五邑大学计算机学院 2 41 2.0 2.0
3 刘劲飞 五邑大学计算机学院 2 13 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (3)
参考文献  (1)
节点文献
引证文献  (9)
同被引文献  (30)
二级引证文献  (30)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(8)
  • 引证文献(3)
  • 二级引证文献(5)
2017(9)
  • 引证文献(0)
  • 二级引证文献(9)
2018(12)
  • 引证文献(2)
  • 二级引证文献(10)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
密度
中心点
分布式
数据流聚类
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导