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:
基于密度带噪音的空间数据聚类算法,提出了一种改进后的聚类算法。该算法引入了密度分布函数的概念,并采用高斯函数作为影响函数的构成因素。算法以当前具有最大密度的对象作为起点,再从该点的 K最邻近结点扩展,直至密度下降到给定的密度阈值时结束。试验测试结果表明:该算法的效果和效率优于传统的基于密度的带噪音的空间数据聚类算法。
推荐文章
基于加权多宽度高斯核函数的聚类算法
加权多宽度高斯核
聚类
SVC
高斯核
一种能发现自然聚类的聚类算法
数据挖掘
聚类
神经网络
网格
动态模型
基于支持向量机的改进高斯核函数聚类算法研究
改进的高斯核
聚类
SVC
高斯核
一种基于距离调节的聚类算法
聚类
k-means算法
距离调节
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 一种利用高斯函数的聚类算法
来源期刊 河南科技大学学报(自然科学版) 学科 工学
关键词 聚类 核心点 密度分布 高斯函数
年,卷(期) 2014,(5) 所属期刊栏目 电工电信、自动化与计算机
研究方向 页码范围 33-36
页数 4页 分类号 TP301.6
字数 2825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 邓伦治 贵州师范大学数学与计算机科学学院 23 36 4.0 5.0
2 杨柳 贵州师范大学数学与计算机科学学院 19 49 4.0 6.0
3 王祥斌 贵州师范大学数学与计算机科学学院 18 38 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (119)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (29)
二级引证文献  (17)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(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)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(10)
  • 参考文献(2)
  • 二级参考文献(8)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(8)
  • 引证文献(3)
  • 二级引证文献(5)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(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
聚类
核心点
密度分布
高斯函数
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
河南科技大学学报(自然科学版)
双月刊
1672-6871
41-1362/N
大16开
河南省洛阳市开元大道263号
36-285
1980
chi
出版文献量(篇)
3214
总下载数(次)
7
总被引数(次)
19453
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导