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:
本文依据当前聚类算法在当代社会中的重要性,对近年来聚类算法的现状与进展进行了分析研究。对其概念及在数据挖掘中的要求进行了阐述,同时对当前几种具有代表行的聚类算法进行了分析概括,分析了当前聚类算法存在的不足及问题。
推荐文章
基于图聚类与蚁群算法的社交网络聚类算法
社交网络
数据挖掘
聚类处理
人工蚁群优化
图聚类
信任信息
聚类算法初始聚类中心的优化
初始中心
聚类
算法优化
改进的蚂蚁聚类算法
蚂蚁算法
聚类
对称点距离
相似性函数
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
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 关于聚类算法的探究与发展
来源期刊 数字技术与应用 学科 工学
关键词 聚类算法 数据挖掘 算法分类
年,卷(期) 2014,(6) 所属期刊栏目 算法分析
研究方向 页码范围 150-150
页数 1页 分类号 TP311
字数 1805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 李静 22 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (783)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(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)
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
聚类算法
数据挖掘
算法分类
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
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导