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:
随着网络技术的飞速发展,当今社会的人们将面临越来越多的数据,如何从日常生活中的数据挖掘出有利用价值的商业数据,成为各大中小型企业关心的主要话题.由此而生的数据挖掘技术也成为我们研究的重点,文章主要介绍了数据挖掘中的聚类分析研究方法以及对传统聚类算法的改进和优化.
推荐文章
基于微粒群算法的聚类分析
数据挖掘
聚类分析
微粒群算法
基于聚类分析的K-means算法研究及应用
数据挖掘
聚类分析
数据库
聚类算法
基于聚类分析的改进堆叠算法
分类器集成
Stacking
聚类
元学习
基于粒子群优化算法的空间聚类分析
粒子群优化
空间聚类
数据挖掘
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 基于聚类分析算法的应用性改进
来源期刊 信息通信 学科 工学
关键词 数据挖掘 聚类分析 K-means算法 DBSCAN算法
年,卷(期) 2016,(10) 所属期刊栏目 学术研究
研究方向 页码范围 12-13
页数 2页 分类号 TP311.13
字数 2824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 李明东 西华师范大学计算机学院 171 656 11.0 18.0
2 徐仕宝 西华师范大学计算机学院 2 4 1.0 2.0
3 杜唐 西华师范大学计算机学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (27)
参考文献  (3)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
聚类分析
K-means算法
DBSCAN算法
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
信息通信
月刊
1673-1131
42-1739/TN
大16开
湖北省武汉市
1987
chi
出版文献量(篇)
18968
总下载数(次)
92
论文1v1指导