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:
为了高效识别聚类边界,根据边界周围区域存在密度差异的特征,提出了一种网格 k‐近邻集的边界识别算法(BGN )。在网格空间中,该算法根据网格单元和它最近邻居单元的 k‐近邻集的质量及其单元间中心距离确定边界度,由边界度和边界阈值判断每个网格单元是否为边界单元或噪声单元。通过从边界单元中提取更靠边缘的数据作为边界点的方式,使得边界更精细。实验结果表明,该算法能有效和快速识别出多密度数据集的聚类边界和噪声。
推荐文章
支持K-离群度的边界点检测方法
聚类
边界点
k-近邻距离
k-离群度
边界因子
量子K-近邻算法
机器学习
K-近邻算法
量子算法
基于K-近邻树的离群检测算法
离群检测
离群簇
最小生成树
不相似性
K-近邻
基于局部权重k-近质心近邻算法
模式分类
近邻原则
k-近邻
k-近质心近邻
局部权重
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 一种网格 k-近邻集的边界点识别算法
来源期刊 舰船电子工程 学科 工学
关键词 网格单元 k-近邻集 边界度 边界点 噪声
年,卷(期) 2015,(7) 所属期刊栏目 计算机与网络安全
研究方向 页码范围 132-135,164
页数 5页 分类号 TP311
字数 4531字 语种 中文
DOI 10.3969/j.issn1672-9730.2015.07.035
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 李光兴 成都农业科技职业学院基础部 10 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (61)
共引文献  (54)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(16)
  • 参考文献(1)
  • 二级参考文献(15)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(11)
  • 参考文献(2)
  • 二级参考文献(9)
2009(9)
  • 参考文献(2)
  • 二级参考文献(7)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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
网格单元
k-近邻集
边界度
边界点
噪声
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
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导