2024年11月25日
星期一
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
张科泽
作品数:
1
被引量:5
H指数:1
供职机构:
江苏大学计算机科学与通信工程学院
更多>>
发文基金:
江苏省高校自然科学研究项目
江苏省自然科学基金
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
蒋中秋
江苏大学计算机科学与通信工程学...
沈项军
江苏大学计算机科学与通信工程学...
杨鹤标
江苏大学计算机科学与通信工程学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
点对点
1篇
点对点技术
1篇
数据密度
1篇
自适
1篇
自适应
1篇
聚类
1篇
分布式
1篇
K-MEAN...
机构
1篇
江苏大学
作者
1篇
张科泽
1篇
杨鹤标
1篇
沈项军
1篇
蒋中秋
传媒
1篇
计算机应用研...
年份
1篇
2011
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于节点数据密度的分布式K-means聚类算法研究
被引量:5
2011年
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制。提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定聚类置信半径并指导下一步的聚类。实验表明,该算法能够有效地减少迭代次数,节省网络带宽;同时聚类结果也接近集中式聚类算法的结果。
张科泽
杨鹤标
沈项军
蒋中秋
关键词:
点对点技术
K-MEANS聚类
自适应
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张