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:
随着现代计算机技术的日新月异,基于计算机技术的互联网技术也得到了显著的发展,使得现代信息技术也获得了长足的进步,每天人们都会产生并获取大量的数据信息,对这些大规模的数据进行管理并有效地应用,已经成为现代社会发展的主要趋势.概述了大数据以及聚类算法的含义,分析了大数据下的聚类算法的划分,详细阐述了基于Hash改进的K-means算法并行化设计,希望可以为相关工作人员提供有用的参考.
推荐文章
大数据环境下基于狼群优化的聚类算法分析与研究
大数据
狼群优化算法
数据聚类
数据位置更新
狼群模拟训练
数据训练
云环境下基于群智能算法的大数据聚类挖掘技术
大数据聚类挖掘
云环境
群智能算法
数据挖掘
并行化聚类挖掘
数据密度计算
大数据集合中冗余特征排除的聚类算法设计
大数据集
冗余特征排除
聚类算法
特征关联性
随机子空间
miRNA识别算法
基于优化粒子群算法的云环境大数据聚类算法
大数据聚类
云环境
粒子群优化
空间分割
模糊聚类
仿真测试
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 大数据背景下的聚类算法的相关研究
来源期刊 电脑编程技巧与维护 学科
关键词 大数据背景 聚类算法 划分类型 K-means算法
年,卷(期) 2019,(1) 所属期刊栏目 数据库与信息管理
研究方向 页码范围 68-71
页数 4页 分类号
字数 4904字 语种 中文
DOI 10.3969/j.issn.1006-4052.2019.01.024
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 杨雁莹 35 118 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (90)
共引文献  (62)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (11)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(16)
  • 参考文献(0)
  • 二级参考文献(16)
2015(18)
  • 参考文献(0)
  • 二级参考文献(18)
2016(20)
  • 参考文献(6)
  • 二级参考文献(14)
2017(6)
  • 参考文献(5)
  • 二级参考文献(1)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
大数据背景
聚类算法
划分类型
K-means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
电脑编程技巧与维护
月刊
1006-4052
11-3411/TP
大16开
北京市海淀区长春桥路5号六号楼1209室
82-715
1994
chi
出版文献量(篇)
14554
总下载数(次)
80
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导