聚类算法研究综述

• 作者: 刘耀中 周灵晶 陈新泉
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 数据挖掘 聚类 信念传播 同步聚类 密度峰值
• 年，卷（期）: 2017,（3）
• 页码范围: 41-49
• 页数: 9页
• 分类号: TP181
• 字数: 5004字
• 语种: 中文

摘要

聚类是数据挖掘研究领域的一种重要数据预处理方法,其目的是从无标签数据集中获得有价值数据集的内在分布结构,进而简化数据集的描述.历经几十年的研究,针对不同应用和数据特性己出现了千余种不同的聚类算法,但不同的聚类算法都有其特定的适用范围和不足.传统的聚类算法大致可分为划分聚类方法、层次聚类方法、密度聚类方法、网格聚类方法、模型聚类方法等.通过对传统聚类方法的回顾和总结,文章重点介绍了近年来出现的同步聚类算法、信念传播聚类算法和密度峰值聚类算法,并针对以上聚类算法的应用及发展方向进行了论述.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈新泉	重庆三峡学院智能信息处理与控制重点实验室	15	56	4.0	7.0
5	周灵晶	重庆三峡学院智能信息处理与控制重点实验室	1	37	1.0	1.0