聚类分析研究的挑战性问题

• 作者: 王连喜 蒋盛益
• 来源期刊: 广东工业大学学报
• 学科: 工学
• 关键词: 聚类分析 无监督学习 数据挖掘
• 年，卷（期）: 2014,（3）
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP311.12
• 字数: 6114字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-7162.2014.03.006

摘要

聚类的目的是帮助人们发现和认识未知世界，为现实生活中的学习积累知识。聚类分析一直是广大学者重点关注的无监督学习内容，也是许多交叉学科用来探索数据中潜在规律的重要分析工具。通过简单梳理聚类分析的研究成果，在理解聚类分析基本框架的基础上对当前聚类算法在处理多样化数据类型的能力、处理超高维数据的能力、处理不均衡数据的能力、算法的可拓展能力、效果评价的指标选择问题等方面出现的挑战性问题进行了论述，并分析了未来有待重点解决的一些问题。这些工作将为后续聚类分析和数据挖掘的深入研究提供有价值的参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋盛益	广东外语外贸大学思科信息学院	92	1053	18.0	28.0