数据挖掘中聚类算法的比较研究

被引：11

作者：

刘泉凤

陆蓓

机构：

[1] 浙江水利水电专科学校

[2] 杭州电子科技大学计算机学院浙江杭州杭州电子科技大学计算机学院浙江杭州

[3] 浙江杭州

来源：

浙江水利水电专科学校学报 | 2005年 / 02期

关键词：

数据挖掘; 聚类方法; BIRCH法; CURE法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

聚类是数据挖掘领域中的一个重要研究课题.本文首先综合提出评价聚类算法好坏的八个标准,然后在此标准基础上,对数据挖掘中的常用算法进行分类分析比较,并得出比较结果,以使人们在实际应用中能方便、快捷地找到最好的聚类算法以解决实际问题.

引用

页码：55 / 58

页数：4

共 4 条

[1] 基于DBSCAN聚类算法的研究与实现 [J].

荣秋生 ;

颜君彪 ;

郭国强 .

计算机应用, 2004, (04) :45-46+61

[2] 基于神经网络聚类的研究 [J].

李戈 ;

邵峰晶 ;

朱本浩 .

青岛大学学报(工程技术版), 2001, (04) :21-24

[3] Extensions to the k-means algorithm for clustering large data sets with categorical values [J].

Huang, ZX .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (03) :283-304

[4]

STING: A Statistical Information Grid Approach to Spatial Data Mining. Wang W,Yang J,and Muntz R. Proc. 1997 Int. Conf. Very Large Data Bases（VLDB‘97） . 1997

← 1 →