云模型的相似性度量综述

• 作者: 刘瑞敏 黄琼桃
• 来源期刊: 数据通信
• 关键词: 云模型 相似性度量 正态云 期望曲线
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 技术交流
• 页码范围: 43-49
• 页数: 7页
• 字数: 6455字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-5057.2019.06.009

摘要

云模型相似性度量在数据挖掘中扮演着很重要的角色,一个好的相似性度量方法可以很大程度上提高其挖掘效率.本文首先对云模型的发展及其相似性研究的必要做了简要的说明,然后介绍了云模型的几个重要概念,概括了目前采用云模型进行相似性度量的几种常见的方法,包括云滴距离法(SCM)、夹角余弦法(LICM)、期望曲线法(ECM)、以及最大边界曲线法(MCM),并对这四种方法简单的进行了比较,接着介绍了云模型相似度的研究进展,最后对文章进行了总结以及给出了云模型相似性度量的进一步研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘瑞敏	昆明理工大学信息工程与自动化学院	25	32	3.0	5.0
2	黄琼桃	昆明理工大学信息工程与自动化学院	3	0	0.0	0.0