检索结果-维普期刊中文期刊服务平台

具有抗噪性能适用高维数据的增量式聚类算法被引量：10: 1; 作者邵俊健王士同《计算机科学与探索》 CSCD 北大核心 2019年第9期1553-1566,共14页; 针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心... 展开更多; 关键词高斯噪声增量式聚类算法距离度量高维数据 FCPM算法; 在线阅读下载PDF 职称材料

高维数据的增量式聚类算法的距离度量选择研究被引量：7: 2; 作者邵俊健王士同《计算机工程与科学》 CSCD 北大核心 2019年第2期214-223,共10页; 合适的距离度量函数对于聚类结果有重要的影响。针对大规模高维数据集,使用增量式聚类算法进行距离度量的选择分析。SpFCM算法是将大规模数据集分成小样本进行增量分批聚类,可在有限的计算机内存中获得较好的聚类结果。在传统的SpFCM算... 展开更多; 关键词高维数据 SpFCM算法距离度量增量式模糊聚类算法相关系数距离度量; 在线阅读下载PDF 职称材料

增量式CURE聚类算法研究被引量：9: 3; 作者冯兴杰黄亚楼《小型微型计算机系统》 CSCD 北大核心 2004年第10期1847-1849,共3页; 聚类是一种非常有用的数据挖掘方法 ,可用于发现隐藏在数据背后的分组和数据分布信息 .目前已经提出了许多聚类算法及其变种 ,但在增量式聚类算法研究方面所作的工作较少 .当数据集因更新而发生变化时 ,数据挖掘的结果也应该进行相应的... 展开更多; 关键词数据挖掘 CURE聚类算法最近邻增量式聚类算法; 在线阅读下载PDF 职称材料

增量式K-Medoids聚类算法被引量：9: 4; 作者高小梅冯云冯兴杰《计算机工程》 CAS CSCD 北大核心 2005年第B07期181-183,共3页; 聚类是一种非常有用的数据挖掘方法,可用于发现隐藏在数据背后的分组和数据分布信息。目前已经提出了许多聚类算法及其变种,但在增量式聚类算法研究方面所做的工作较少。当数据集因更新而发生变化时,数据挖掘的结果也应该进行相应的更... 展开更多; 关键词数据挖掘 K—Medoids聚类算法最近邻增量式聚类算法; 在线阅读下载PDF 职称材料

基于密度的增量式网格聚类算法(英文) 被引量：45: 5; 作者陈宁陈安周龙骧《软件学报》 EI CSCD 北大核心 2002年第1期1-7,共7页; 提出基于密度的网格聚类算法GDCA,发现大规模空间数据库中任意形状的聚类.该算法首先将数据空间划分成若干体积相同的单元,然后对单元进行聚类.只有密度不小于给定阈值的单元才得到扩展,从而大大降低了时间复杂性.在GDCA的基础上,给出... 展开更多; 关键词增量式网格聚类算法密度空间数据库 IGDCA; 在线阅读下载PDF 职称材料

在线新闻主题检测系统的设计与应用被引量：7: 6; 作者万小军杨建武《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2004年第z1期42-46,共5页; 利用主题检测技术可以从海量新闻信息中实时检测到主题信息,从而将新闻信息按照主题组织并加以利用.文中通过改进加窗策略,采用自适应倒排文档频率,设计了一个中文新闻主题检测系统并进行了实验.结果表明了该系统的有效性.该系统在新华... 展开更多; 关键词主题检测增量式聚类算法加窗策略自适应倒排文档频率; 在线阅读下载PDF 职称材料

题名具有抗噪性能适用高维数据的增量式聚类算法被引量：10: 1; 作者邵俊健王士同; 机构江南大学数字媒体学院; 出处《计算机科学与探索》 CSCD 北大核心 2019年第9期1553-1566,共14页; 基金国家自然科学基金~~; 文摘针对含有噪声的高维数据的聚类问题,提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感,所提出的聚类算法将单程FCM的增量机制(称为SpFCM)与FCPM中使用的初始化聚类中心的策略相结合,即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类,以避免FCM对噪声的敏感性。此外,所提出的聚类算法使用一种新的改进后的距离度量的同时,使用修正后的约束条件和目标函数。通过以上改进,可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明,该算法对高维噪声数据具有很好的聚类效果和鲁棒性。; 关键词高斯噪声增量式聚类算法距离度量高维数据 FCPM算法; Keywords Gaussian noise incremental clustering algorithm distance measure high dimensional data fuzzy (c+p) means clustering (FCPM) algorithm; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名高维数据的增量式聚类算法的距离度量选择研究被引量：7: 2; 作者邵俊健王士同; 机构江南大学数字媒体学院; 出处《计算机工程与科学》 CSCD 北大核心 2019年第2期214-223,共10页; 文摘合适的距离度量函数对于聚类结果有重要的影响。针对大规模高维数据集,使用增量式聚类算法进行距离度量的选择分析。SpFCM算法是将大规模数据集分成小样本进行增量分批聚类,可在有限的计算机内存中获得较好的聚类结果。在传统的SpFCM算法的基础上,使用不同的距离度量函数来衡量样本之间的相似性,以得出不同的距离度量对SpFCM算法的影响。在不同的大规模高维数据集中,使用欧氏距离、余弦距离、相关系数距离和扩展的杰卡德距离来计算距离。实验结果表明,后3个距离度量相对于欧氏距离可以很大程度地提高聚类效果,其中相关系数距离可以得到较好的结果,余弦距离和扩展的杰卡德距离效果比较一般。; 关键词高维数据 SpFCM算法距离度量增量式模糊聚类算法相关系数距离度量; Keywords high dimensional data SpFCM algorithm distance metric incremental fuzzy clustering algorithm correlation coefficient distance metric; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名增量式CURE聚类算法研究被引量：9: 3; 作者冯兴杰黄亚楼; 机构中国民用航空学院计算机科学与技术学院南开大学软件科学学院; 出处《小型微型计算机系统》 CSCD 北大核心 2004年第10期1847-1849,共3页; 基金教育部科学技术研究重点项目资助 (重点 0 2 0 3 8) 南开大学亚洲研究中心资助 ( AS0 40 5 ); 文摘聚类是一种非常有用的数据挖掘方法 ,可用于发现隐藏在数据背后的分组和数据分布信息 .目前已经提出了许多聚类算法及其变种 ,但在增量式聚类算法研究方面所作的工作较少 .当数据集因更新而发生变化时 ,数据挖掘的结果也应该进行相应的更新 .由于数据量大 ,在更新后的数据集上重新执行聚类算法以更新挖掘结果显然比较低效 ,因此亟待研究增量式聚类算法 .通过对 CURE聚类算法的改进 ,提出了一种高效的增量式 CU RE聚类算法 .它能够很好的解决传统聚类算法在伸缩性、数据定期更新时所面临的问题 .; 关键词数据挖掘 CURE聚类算法最近邻增量式聚类算法; Keywords data mining CURE nearest neighbor incremental clustering algorithm; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名增量式K-Medoids聚类算法被引量：9: 4; 作者高小梅冯云冯兴杰; 机构中国民航学院计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2005年第B07期181-183,共3页; 文摘聚类是一种非常有用的数据挖掘方法,可用于发现隐藏在数据背后的分组和数据分布信息。目前已经提出了许多聚类算法及其变种,但在增量式聚类算法研究方面所做的工作较少。当数据集因更新而发生变化时,数据挖掘的结果也应该进行相应的更新。由于数据量大,在更新后的数据集上重新执行聚类算法以更新挖掘结果显然比较低效,因此亟待研究增量式聚类算法。该文通过对K-Medoids聚类算法的改进,提出一种增量式K-Medoids聚类算法。它能够很好地解决传统聚类算法在伸缩性、数据定期更新时所面临的问题。; 关键词数据挖掘 K—Medoids聚类算法最近邻增量式聚类算法; Keywords Data mining K-Medoids Nearest neighbor Incremental clustering algorithm; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于密度的增量式网格聚类算法(英文) 被引量：45: 5; 作者陈宁陈安周龙骧; 机构中国科学院数学与系统科学研究院中国科学院科技政策与管理科学研究所; 出处《软件学报》 EI CSCD 北大核心 2002年第1期1-7,共7页; 基金国家自然科学基金国家重点基础研究发展规划973资助项目~~; 文摘提出基于密度的网格聚类算法GDCA,发现大规模空间数据库中任意形状的聚类.该算法首先将数据空间划分成若干体积相同的单元,然后对单元进行聚类.只有密度不小于给定阈值的单元才得到扩展,从而大大降低了时间复杂性.在GDCA的基础上,给出增量式聚类算法IGDCA,适用于数据的批量更新.; 关键词增量式网格聚类算法密度空间数据库 IGDCA; Keywords clustering grid incremental algorithm; 分类号 TP392 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名在线新闻主题检测系统的设计与应用被引量：7: 6; 作者万小军杨建武; 机构北京大学计算机科学技术研究所; 出处《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2004年第z1期42-46,共5页; 文摘利用主题检测技术可以从海量新闻信息中实时检测到主题信息,从而将新闻信息按照主题组织并加以利用.文中通过改进加窗策略,采用自适应倒排文档频率,设计了一个中文新闻主题检测系统并进行了实验.结果表明了该系统的有效性.该系统在新华网数据中心的成功应用进一步表明系统达到了实用需求.; 关键词主题检测增量式聚类算法加窗策略自适应倒排文档频率; Keywords topic detection incremental clustering algorithm time window strategy self-adaptive inverse document frequency; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	具有抗噪性能适用高维数据的增量式聚类算法	邵俊健王士同	《计算机科学与探索》 CSCD 北大核心	2019	10	在线阅读下载PDF 职称材料
2	高维数据的增量式聚类算法的距离度量选择研究	邵俊健王士同	《计算机工程与科学》 CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
3	增量式CURE聚类算法研究	冯兴杰黄亚楼	《小型微型计算机系统》 CSCD 北大核心	2004	9	在线阅读下载PDF 职称材料
4	增量式K-Medoids聚类算法	高小梅冯云冯兴杰	《计算机工程》 CAS CSCD 北大核心	2005	9	在线阅读下载PDF 职称材料
5	基于密度的增量式网格聚类算法(英文)	陈宁陈安周龙骧	《软件学报》 EI CSCD 北大核心	2002	45	在线阅读下载PDF 职称材料
6	在线新闻主题检测系统的设计与应用	万小军杨建武	《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心	2004	7	在线阅读下载PDF 职称材料