期刊文献+

具有输入知识的高维数据聚类算法研究 被引量:1

Research on Clustering Algorithm of Hi-dimensional Dataset with Input Knowledge
下载PDF
导出
摘要 针对目前聚类算法没有充分地利用输入知识,不便于知识的学习和增长的情形,提出在高维数据集的情况下,恰当地利用输入知识可以更准确有效地发现聚类,提出聚类的相关维集的概念,分析输入知识的特点,对带有输入知识的高维聚类算法进行研究,指导聚类的学习过程。 Due to ignorance of available input knowledge current clustering algorithms are not beneficial to the learning and increment of knowledge. With input knowledge clusters can be discovered efficiently and properly. Based on the characteristics of input knowledge the relevant dimension sets of cluster are introduced in this paper. And then clustering algorithm of hi-dimensional dataset with input knowledge is researched to supervise the clustering process.
出处 《计算机科学》 CSCD 北大核心 2006年第1期240-242,共3页 Computer Science
基金 重庆市自然科学基金支持项目(CSTC 2004BB2182)。
关键词 聚类 聚类算法 高维数据集 输入知识 相关维集 数据聚类 知识 算法研究 高维 学习过程 Clustering, Clustering algorithm, Hi-dimensional dataset, Input knowledge, Relevant dimension set
  • 相关文献

参考文献6

  • 1Aggarwal C C, Yu P S. Finding generalized projected clusters in high dimensional spaces. Ins ACM SIGMOD Intl. Conf. on Management of data, 2000.
  • 2Berkhin P. survey of clustering data mining techniques, http://www. accrue.com/products/ researchpapers, html.
  • 3Talavera L, Bejar J. Integrating declarative knowledge in hierarchical clustering tasks. In:Intl. Symposium on Intelligent Data Analysis, 1999.
  • 4Xing E P, Ng A Y, Jordan M I, Russell S. Distance metric learning, with application to clustering with side-information. In Advances in Neural Information Processing Systems 15, 2003.
  • 5Cohn D, Caruana R, McCallum A. Semi-supervised clustering with user feedback, 2000.
  • 6HanJiawei MichelineKamber.数据挖掘概念与技术[M].北京:机械工业出版社,2001.152-160.

共引文献33

同被引文献9

  • 1冯永,吴开贵,熊忠阳,吴中福.一种有效的并行高维聚类算法[J].计算机科学,2005,32(3):216-218. 被引量:6
  • 2陈慧萍,王煜,王建东.高维数据挖掘算法的研究与进展[J].计算机工程与应用,2006,42(24):170-173. 被引量:8
  • 3黄李国,陈伟琪,王士同.基于Parzen窗的投影聚类方法[J].广西师范大学学报(自然科学版),2006,24(4):70-73. 被引量:2
  • 4Shen Hong, Yan Xiao-Long.Probability density estimation over evolving data streams using tilted Parzen window[C]//IEEE Symposium on Computers and Communications , 2008 : 585-589.
  • 5Kwak N, Choi C H.Input feature selection by mutual informa- tion based on Parzen window[J].Transactions on Pattern Analy- sis and Machine Intelligence,2002,24(12).
  • 6He Jingsong, Tang Jian,Fang Qiansheng.Parzen windows estimation using laplace kernel: A novel parametric analysis with informa- tion content[C]//Eighth ACIS International Conference on Soft- ware Engineering,Artificial Intelligence,Networking,and Parallel/ Distributed Computing, 2007.
  • 7Babich G A, Camps O I.Weighted Parzen windows for pattern classification[J].Transactions on Pattern Analysis and Machine Intelligence, 1996,18 (5).
  • 8栾峻峰,范克磊,鲍海峰.高维空间球体的k-中心聚类问题[J].计算机工程与科学,2008,30(10):103-104. 被引量:2
  • 9吴葛铭,霍剑青,王晓蒲.一种基于加权Parzen窗的聚类算法[J].中国科学技术大学学报,2002,32(5):546-551. 被引量:3

引证文献1

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部