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:
聚类分析算法是数据挖掘技术的一个重要分支,目前其研究已经广泛应用于教育、金融、零售等众多领域并取得了较好的效果。本文结合了基于划分和密度的聚类思想,提出了一个适用于挖掘任意形状的、密度不均的、高效的聚类算法。
推荐文章
一种基于局部密度的核K-means算法
数据挖掘
局部密度
K-means
一种K-MEANS算法在网络异常检测中的应用
入侵检测
异常检测
K-MEANS
一种基于密度的k-means聚类算法
聚类
k-means
信息熵
近邻密度
孤立点
一种改进K-means聚类的FCMM算法
K-means聚类
萤火虫
最大最小距离
Tent映射
混沌搜索
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 一种基于局部异常因子(LOF)的k-means算法
来源期刊 电子测试 学科
关键词 数据挖掘 聚类算法 局部异常因子
年,卷(期) 2016,(12) 所属期刊栏目 理论与算法
研究方向 页码范围 60-61
页数 2页 分类号
字数 1984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 王伟 11 18 2.0 4.0
2 陈静 4 7 2.0 2.0
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  (1)
节点文献
引证文献  (2)
同被引文献  (11)
二级引证文献  (4)
2007(1)
  • 参考文献(1)
  • 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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据挖掘
聚类算法
局部异常因子
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
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
论文1v1指导