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:
大数据时代,如何对海量的数据进行有效的聚类、分析和预测,解决用户信息超载的问题已成为重要的研究课题.聚类算法作为数据挖掘的重要技术,已被广泛应用在数据分析、客户细分、人工智能等领域.本文在分析五类传统聚类算法的研究现状基础上,综述了一些新发展的聚类算法.归纳总结了已有聚类算法存在的问题,并从搜索引擎领域、个性化推荐领域与人工智能领域三个方面探讨聚类算法的发展方向.
推荐文章
数据挖掘中的聚类算法综述
数据挖掘
聚类
聚类算法
数据挖掘中聚类算法研究
数据挖掘
聚类
SOM
基于数据挖掘的聚类算法研究
聚类
数据挖掘
支持向量聚类
数据挖掘中聚类算法的综述
数据挖掘
聚类分析
聚类算法
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 数据挖掘中聚类算法综述
来源期刊 江苏商论 学科 经济
关键词 聚类算法 数据挖掘 数据分析 个性化推荐 人工智能
年,卷(期) 2018,(7) 所属期刊栏目 热点探讨
研究方向 页码范围 120-125
页数 6页 分类号 F713.36
字数 7854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 刘维 河南牧业经济学院物流与电商学院 6 24 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (318)
共引文献  (388)
参考文献  (54)
节点文献
引证文献  (17)
同被引文献  (64)
二级引证文献  (5)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1969(3)
  • 参考文献(1)
  • 二级参考文献(2)
1971(2)
  • 参考文献(0)
  • 二级参考文献(2)
1973(2)
  • 参考文献(1)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(2)
  • 参考文献(0)
  • 二级参考文献(2)
1982(4)
  • 参考文献(0)
  • 二级参考文献(4)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(6)
  • 参考文献(0)
  • 二级参考文献(6)
1993(5)
  • 参考文献(0)
  • 二级参考文献(5)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(6)
  • 参考文献(1)
  • 二级参考文献(5)
1996(8)
  • 参考文献(0)
  • 二级参考文献(8)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(13)
  • 参考文献(1)
  • 二级参考文献(12)
2000(13)
  • 参考文献(0)
  • 二级参考文献(13)
2001(7)
  • 参考文献(1)
  • 二级参考文献(6)
2002(22)
  • 参考文献(1)
  • 二级参考文献(21)
2003(12)
  • 参考文献(0)
  • 二级参考文献(12)
2004(22)
  • 参考文献(1)
  • 二级参考文献(21)
2005(18)
  • 参考文献(1)
  • 二级参考文献(17)
2006(25)
  • 参考文献(4)
  • 二级参考文献(21)
2007(15)
  • 参考文献(3)
  • 二级参考文献(12)
2008(30)
  • 参考文献(4)
  • 二级参考文献(26)
2009(25)
  • 参考文献(4)
  • 二级参考文献(21)
2010(15)
  • 参考文献(1)
  • 二级参考文献(14)
2011(18)
  • 参考文献(4)
  • 二级参考文献(14)
2012(17)
  • 参考文献(2)
  • 二级参考文献(15)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(12)
  • 参考文献(5)
  • 二级参考文献(7)
2015(15)
  • 参考文献(3)
  • 二级参考文献(12)
2016(13)
  • 参考文献(4)
  • 二级参考文献(9)
2017(10)
  • 参考文献(7)
  • 二级参考文献(3)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(5)
  • 参考文献(4)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(13)
  • 引证文献(12)
  • 二级引证文献(1)
2020(8)
  • 引证文献(4)
  • 二级引证文献(4)
研究主题发展历程
节点文献
聚类算法
数据挖掘
数据分析
个性化推荐
人工智能
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
江苏商论
月刊
1009-0061
32-1076/F
大16开
江苏省南京市中山北路101号
1984
chi
出版文献量(篇)
10771
总下载数(次)
53
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导