学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
从多角度分析现有聚类算法(英文)
被引:53
作者
:
钱卫宁
论文数:
0
引用数:
0
h-index:
0
机构:
复旦大学计算机科学系
钱卫宁
论文数:
引用数:
h-index:
机构:
周傲英
机构
:
[1]
复旦大学计算机科学系
[2]
复旦大学智能信息处理开放实验室
来源
:
软件学报
|
2002年
/ 08期
关键词
:
数据挖掘;
聚类分析;
算法;
D O I
:
10.13328/j.cnki.jos.2002.08.006
中图分类号
:
TP311.12 [];
学科分类号
:
摘要
:
聚类是数据挖掘中研究的重要问题之一.聚类分析就是把数据集分成簇,以使得簇内数据尽量相似,簇间数据尽量不同.不同的聚类方法采用不同的相似测度和技术.从以下3个角度分析现有流行聚类算法: (1)聚类尺度; (2)算法框架; (3)簇的表示.在此基础上,分析了一些综合或概括了一些其他方法的算法.由于分析从3个角度进行,所提出的方法能够涵盖,并区分绝大多数现有聚类算法.所做的工作是自调节聚类方法以及聚类基准测试研究的基础.
引用
收藏
页码:1382 / 1394
页数:13
相关论文
共 2 条
[1]
Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and Its Applications[J] . Data Mining and Knowledge Discovery . 1998 (2)
[2]
Extensions to the k-means algorithm for clustering large data sets with categorical values
Huang, ZX
论文数:
0
引用数:
0
h-index:
0
机构:
CSIRO, ACsys CRC, Canberra, ACT 2601, Australia
CSIRO, ACsys CRC, Canberra, ACT 2601, Australia
Huang, ZX
[J].
DATA MINING AND KNOWLEDGE DISCOVERY,
1998,
2
(03)
: 283
-
304
←
1
→
共 2 条
[1]
Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and Its Applications[J] . Data Mining and Knowledge Discovery . 1998 (2)
[2]
Extensions to the k-means algorithm for clustering large data sets with categorical values
Huang, ZX
论文数:
0
引用数:
0
h-index:
0
机构:
CSIRO, ACsys CRC, Canberra, ACT 2601, Australia
CSIRO, ACsys CRC, Canberra, ACT 2601, Australia
Huang, ZX
[J].
DATA MINING AND KNOWLEDGE DISCOVERY,
1998,
2
(03)
: 283
-
304
←
1
→