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:
聚类作为无监督学习技术,已在实际中得到了广泛的应用.但是对于带有噪声的数据集,一些主流算法仍然存在着噪声去除不彻底和聚类结果不准确等问题.提出了一种基于密度差分的自动聚类算法(clustering based ondensity difference,简称CDD),实现了对含有噪声数据集的自动分类.所提算法根据噪声数据和有用数据密度的不同,实现了去噪声和数据的分类,并通过构建数据间的邻域,进一步实现了对有用数据间不同类别的划分.通过实验验证了所提算法的有效性.
推荐文章
基于网格相对密度差的扩展聚类算法
多密度聚类算法
网格相对密度差
扩展聚类
近邻估计法
边界点
模糊函数
基于差分演化的K-均值聚类算法
聚类
差分演化算法
K-均值
一种基于差分演化的K-medoids聚类算法
差分演化
聚类质量
K-medoids算法
全局优化
基于区域划分的DBSCAN多密度聚类算法
区域划分
多密度
相对密度差
DBSCAN聚类
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 基于密度差分的自动聚类算法
来源期刊 软件学报 学科 工学
关键词 聚类 数据挖掘 离散点检测 差分 CDD
年,卷(期) 2018,(4) 所属期刊栏目 多媒体大数据处理与分析专题
研究方向 页码范围 935-944
页数 10页 分类号 TP18
字数 4821字 语种 中文
DOI 10.13328/j.cnki.jos.005415
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 常冬霞 北京交通大学计算机与信息技术学院 8 47 4.0 6.0
5 陈朝威 北京交通大学计算机与信息技术学院 1 16 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (784)
参考文献  (11)
节点文献
引证文献  (16)
同被引文献  (42)
二级引证文献  (15)
1967(1)
  • 参考文献(1)
  • 二级参考文献(0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(6)
  • 参考文献(2)
  • 二级参考文献(4)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(17)
  • 引证文献(6)
  • 二级引证文献(11)
2020(10)
  • 引证文献(6)
  • 二级引证文献(4)
研究主题发展历程
节点文献
聚类
数据挖掘
离散点检测
差分
CDD
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
软件学报
月刊
1000-9825
11-2560/TP
16开
北京8718信箱
82-367
1990
chi
出版文献量(篇)
5820
总下载数(次)
36
总被引数(次)
226394
论文1v1指导