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:
在信息技术的进步下,人们的联系也开始变得更加方便,真正地实现了交流方式快捷便利.在这样的背景下,大数据、云计算等领域都得到了大力的提升.大数据规模的逐渐扩大,让数据在被有效地分析、处理中遇到了挑战,而多维数据去重聚类算法的应用使得数据更好地被分析,降低了采样的复杂度并让数据被分析的准确度有所上升.本文对多维数据在大环境下去重的聚类算法进行了深入的分析,对非结构数据的分类、多维聚类分析的函数模型的建立等进行了研究.
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
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
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
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
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 大数据环境中多维数据去重的聚类算法研究
来源期刊 网络安全技术与应用 学科
关键词 大数据环境 多维数据 非结构 去重 聚类算法
年,卷(期) 2021,(4) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 37-38
页数 2页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (20)
参考文献  (5)
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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(11)
  • 参考文献(0)
  • 二级参考文献(11)
2016(7)
  • 参考文献(2)
  • 二级参考文献(5)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(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
大数据环境
多维数据
非结构
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
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
论文1v1指导