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:
移动时间层次聚类是一种势能聚类算法,具有较好的聚类效果,但该算法无法识别数据集中存在的噪声数据点.为此,提出一种抗噪的移动时间势能聚类算法.通过各个数据点的势能值以及数据点之间的相似度找到各个数据点的父节点,计算各数据点到父节点的距离,按照该距离以及数据点的势能得到A值,并依照A值大小构造递增曲线,通过递增曲线中的拐点来识别出噪声点,将噪声数据归到新的类簇中,对去除噪声点后的数据集,根据数据点与父节点的距离进行层次聚类来获得聚类结果.实验结果表明,该算法能够识别出数据集中的噪声数据点,从而得到更优的聚类效果.
推荐文章
一种时间序列动态聚类的算法
时间序列
关键点
兰氏距离
模糊聚类算法
动态聚类
一种改进的语音识别抗噪算法
语音识别
抗噪算法
语音增强
信噪比
一种能发现自然聚类的聚类算法
数据挖掘
聚类
神经网络
网格
动态模型
一种有效的多关系聚类算法
多关系数据挖掘
聚类
元组ID传播
相似度
K中心点聚类算法
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 一种抗噪的移动时间势能聚类算法
来源期刊 计算机工程 学科 工学
关键词 聚类算法 势能 移动时间层次聚类 噪声识别 数据集
年,卷(期) 2020,(5) 所属期刊栏目 先进计算与数据处理
研究方向 页码范围 144-149
页数 6页 分类号 TP391
字数 3999字 语种 中文
DOI 10.19678/j.issn.1000-3428.0054716
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 葛洪伟 江南大学江苏省模式识别与计算智能工程实验室 86 456 11.0 17.0
5 陆慎涛 江南大学江苏省模式识别与计算智能工程实验室 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (71)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
聚类算法
势能
移动时间层次聚类
噪声识别
数据集
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
论文1v1指导