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:
数据生成渠道逐渐多元化,生成速度也明显加快.海量数据在很大程度上加大了数据分析与处理难度,基于云平台的数据类型与规模也随之逐步扩大,超大数据规模阻碍了数据存储、管理、分析各项工作的开展.而且数据量剧增也会造成数据可靠性下降,而科学有效处理数据关系,减少冗余数据,构建多维数据去重聚类模型,已成为必然趋势.据此,文章以大数据挖掘视角分析了多维数据去重聚类算法.
推荐文章
基于大数据挖掘的多维数据去重聚类算法分析
大数据挖掘
多维数据去重
聚类算法
数据分析
模型建立
减少冗余
基于大数据挖掘的多维数据去重聚类算法分析
大数据挖掘
多维数据去重
聚类算法
数据分析
模型建立
减少冗余
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
基于数据场的无线传感网数据双重聚类算法
无线传感器网
大规模高维数据
双重聚类
数据场
势能
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 解析大数据挖掘视域下多维数据去重聚类算法
来源期刊 大众标准化 学科
关键词 大数据挖掘 多维数据去重 聚类算法
年,卷(期) 2020,(13) 所属期刊栏目 学术论坛
研究方向 页码范围 61-62
页数 2页 分类号
字数 3166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 罗琪 17 40 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (14)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(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
大数据挖掘
多维数据去重
聚类算法
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
大众标准化
半月刊
1007-1350
14-1101/T
大16开
山西省太原市长治路106号
22-23
1982
chi
出版文献量(篇)
9364
总下载数(次)
14
总被引数(次)
2459
论文1v1指导