2024年10月12日
星期六
|
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
>
>
李学
作品数:
1
被引量:12
H指数:1
供职机构:
同济大学电子与信息工程学院计算机科学与技术系
更多>>
发文基金:
国家教育部博士点基金
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
冯琴荣
同济大学电子与信息工程学院计算...
苗夺谦
同济大学电子与信息工程学院计算...
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
数据场
1篇
聚类
1篇
聚类算法
1篇
粗糙聚类
机构
1篇
同济大学
作者
1篇
苗夺谦
1篇
冯琴荣
1篇
李学
传媒
1篇
计算机科学
年份
1篇
2009
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
基于数据场的粗糙聚类算法
被引量:12
2009年
聚类分析是数据挖掘的研究热点。传统的聚类算法都是把一个对象精确地划分到一个聚类簇中,类别之间的界限是非常精确的。随着Web挖掘技术的发展,精确地划分每个对象的聚类算法面临着巨大的挑战。根据数据场理论和经典粗糙集理论所具有处理不精确与不确定性数据的特性,提出一种新的基于数据场的粗糙聚类算法,该粗糙聚类算法采用势值作为对象的划分依据,避免传统粗糙聚类算法一贯采用基于欧氏距离的划分方法。算法首先通过对数据对象进行粗分然后再不断迭代细分,直至形成稳定的聚类簇。实验分析过程中,把提出的算法与粗糙K-means算法和粗糙K-medoids算法进行了比较,结果表明该算法在交叉数据集上具有较好的聚类效果,而且收敛速度较快。
李学
苗夺谦
冯琴荣
关键词:
粗糙聚类
数据场
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