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:
针对密度峰值聚类(DPC)算法存在的dc值难选择及近邻原则聚合操作在低密度区效果不佳的问题,提出一种基于人工蜂群与CDbw聚类指标优化的密度峰值聚类(BeeDPC)算法,以实现类簇间数据点的自动识别和合理聚类,并解决DPC对类簇间数据点类别识别上存在的缺陷.实验结果表明,BeeDPC算法具有自动识别并合理聚类类簇间数据点、自动识别类簇中心点和类簇数量及自动处理任意分布数据集的优势.
推荐文章
基于人工蜂群优化的K均值聚类算法
聚类分析
K均值算法
人工蜂群算法
聚类中心
优化
基于改进人工蜂群算法与MapReduce的大数据聚类算法
数据分析
聚类算法
人工蜂群算法
灰狼优化算法
云计算
分布式计算
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
基于人工蜂群的项聚类推荐算法
协同过滤
推荐算法
人工蜂群
时间权重函数
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CDbw和人工蜂群优化的密度峰值聚类算法
来源期刊 吉林大学学报(理学版) 学科 工学
关键词 聚类分析 CDbw评价指标 密度峰值 密度聚类 人工蜂群算法
年,卷(期) 2018,(6) 所属期刊栏目 计算机科学
研究方向 页码范围 1469-1475
页数 7页 分类号 TP312
字数 4408字 语种 中文
DOI 10.13413/j.cnki.jdxblxb.2018.06.30
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 张永刚 吉林大学符号计算与知识工程教育部重点实验室 35 296 9.0 16.0
2 李克勤 纽约州立大学计算机系 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  (14)
共引文献  (2)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (1)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(2)
  • 二级参考文献(3)
2013(7)
  • 参考文献(3)
  • 二级参考文献(4)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
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
聚类分析
CDbw评价指标
密度峰值
密度聚类
人工蜂群算法
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
吉林大学学报(理学版)
双月刊
1671-5489
22-1340/O
大16开
长春市南湖大路5372号
12-19
1955
chi
出版文献量(篇)
4812
总下载数(次)
6
总被引数(次)
24333
相关基金
吉林省自然科学基金
英文译名:
官方网址:http://kyc.nedu.edu.cn/xxcx/xmzl/sqsjddxs2.htm
项目类型:
学科类型:
论文1v1指导