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:
复杂数据集通常包含不同的组织模式,传统的离群检测算法从单一视角寻找离群点,不能充分利用多视角信息,造成信息遗漏。提出一种基于多视角聚类的离群检测算法,该算法一方面采用谱聚类,以确保高质量的聚类结果;另一方面通过希尔伯特-施密特独立性准则,以确保新的聚类结果相对于已知划分模式是无冗余的。对得到多个视角进行离群分析,从而得到更准确的离群集。研究结果表明,该算法能够提高离群检测精度。
推荐文章
一种基于多重聚类的离群点检测算法
数据挖掘
离群检测
剪枝
多重聚类
局部离群度
一种基于多标记的局部离群点检测算法
机器学习
局部离群点
多标记
类别权重
基于 WSRFCM 聚类的局部离群点检测算法
特征加权
阴影集
阴影粗糙模糊聚类
局部离群度
离群点检测
基于聚类划分的两阶段离群点检测算法
层次聚类
K-均值
信息熵
距离和
离群点检测
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 一种基于多视角聚类的离群检测算法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 离群检测 多视角 谱聚类 希尔伯特-施密特独立性准则
年,卷(期) 2016,(5) 所属期刊栏目
研究方向 页码范围 43-47
页数 5页 分类号 TP391.4
字数 语种
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 古平 重庆大学计算机学院 38 335 11.0 17.0
2 姚鹏 重庆大学计算机学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (40)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(4)
  • 参考文献(4)
  • 二级参考文献(0)
2007(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2013(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(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
离群检测
多视角
谱聚类
希尔伯特-施密特独立性准则
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
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
总被引数(次)
0
论文1v1指导