聚类分析研究中的若干问题

被引：195

作者：

王骏

王士同

邓赵红

机构：

[1] 江南大学数字媒体学院

来源：

控制与决策 | 2012年 / 27卷 / 03期

关键词：

聚类分析; 聚类方法; 无监督学习;

D O I：

10.13195/j.cd.2012.03.4.wangj.013

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

聚类分析是重要的数据挖掘方法,目的是寻找数据集中所包含的簇结构.以往研究工作中聚类分析的一些基本问题始终是人们关注的重点,为此在简要回顾具有代表性的研究成果的基础上,总结了该研究所面临的若干基本问题及解决方法,以期能够对相关研究提供有益的参考.

引用

页码：321 / 328

页数：8

共 22 条

[11]

Clustering high dimensional data: A graph-based relaxed optimization approach[J] . Information Sciences . 2008 (23)

[12] A hierarchical clustering algorithm based on the Hungarian method [J].

Goldberger, Jacob ;

Tassa, Tamir .

PATTERN RECOGNITION LETTERS, 2008, 29 (11) :1632-1638

[13] Rough clustering of sequential data [J].

Kumar, Pradeep ;

Krishna, P. Radha ;

Bapi, Raju. S. ;

De, Supriya Kumar .

DATA & KNOWLEDGE ENGINEERING, 2007, 63 (02) :183-199

[14] A novel approach to noise clustering for outlier detection [J].

Rehm, Frank ;

Klawonn, Frank ;

Kruse, Rudolf .

SOFT COMPUTING, 2007, 11 (05) :489-494

[15] Time-focused clustering of trajectories of moving objects [J].

Nanni, Mirco ;

Pedreschi, Dino .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2006, 27 (03) :267-289

[16] Locally adaptive metrics for clustering high dimensional data [J].

Domeniconi, Carlotta ;

Gunopulos, Dimitrios ;

Ma, Sheng ;

Yan, Bojun ;

Al-Razgan, Muna ;

Papadopoulos, Dimitris .

DATA MINING AND KNOWLEDGE DISCOVERY, 2007, 14 (01) :63-97

[17] Robust maximum entropy clustering algorithm with its labeling for outliers [J].

Wang, ST ;

Chung, KFL ;

Deng, ZH ;

Hu, DW ;

Wu, XS .

SOFT COMPUTING, 2006, 10 (07) :555-563

[18] Feature weighting in k-means clustering [J].

Modha, DS ;

Spangler, WS .

MACHINE LEARNING, 2003, 52 (03) :217-237

[19]

Concept Decompositions for Large Sparse Text Data Using Clustering[J] . Inderjit S. Dhillon,Dharmendra S. Modha.Machine Learning . 2001 (1)

[20]

Data clustering[J] . A. K. Jain,M. N. Murty,P. J. Flynn.ACM Computing Surveys (CSUR) . 1999 (3)

← 1 2 3 →