期刊文献+

基于一种可扩展函数族的聚类算法 被引量:2

Clustering Algorithms Based on an Extensible Function Family
下载PDF
导出
摘要 提出了可扩展函数族概念,将无关联的或者有依赖关系的多个函数,按照参数和自变量的特征集成一个函数族,可以通过增加或删除函数对函数族进行扩展。利用此函数族概念,设计了两种聚类算法,对其聚类性能作了分析。实验结果表明,用函数族方法进行聚类,在可伸缩性、增量数据处理和复杂数据类型处理等方面都表现出很好的性能,而且具有线性的时间复杂度。 An cxtcnsibic function family is presented. It aggregates some functions. These functions have different parameters and variants. The relationship among the functions is dependent or independent. Adding or eliminating functions can extend a function family. With the conception, two clustering algorithms are designed.Experiments indicate thai the algorithms have excellent performances in extensibility, incremental data processiug and complex data type processing, and the time complexity is linear.
出处 《计算机工程》 EI CAS CSCD 北大核心 2006年第8期105-106,123,共3页 Computer Engineering
基金 国家自然科学基金资助项目(70371052)
关键词 函数族 可扩展函数族 聚类 Fuuction family Extensible function family Clustering
  • 相关文献

参考文献4

  • 1Guha S,Rastogi R,Shim K.Cure:An Efficient Clustering Algorithm for Large Databases[C].Proc.of ACM-SIGMOD Int.Conf.on Management of Data,Seattle,WA,1998-06:73-84.
  • 2Hinneburg A,Keim D A.An Efficient Approach to Clustering in Large Multimedia Databases with Noise[C].Proc.of Int.Conf.on Knowledge and Data Mining(KDD'98),New York,1998:58-65.
  • 3Fisher D.Improving Inference Through Conceptual Clustering[C].Proc.of AAAI Conf.,Seattle,1987-07:461-465.
  • 4THEODORIDISS KOUTROUMBASK.模式识别(第二版)[M].北京:电子工业出版社,2004..

共引文献3

同被引文献12

  • 1周兵,沈钧毅,彭勤科.Hybrid:一种两阶段的聚类算法[J].计算机工程,2005,31(13):1-3. 被引量:3
  • 2任永功,于戈.一种多维数据的聚类算法及其可视化研究[J].计算机学报,2005,28(11):1861-1865. 被引量:13
  • 3李双虎,张风海.一个新的聚类有效性分析指标[J].计算机工程与设计,2007,28(8):1772-1774. 被引量:14
  • 4SergiosTheodoridis KonstantinosKoutroumbas 李晶皎 译.模式识别(第二版)[M].北京:电子工业出版社,2004..
  • 5谢艳玲,何丕廉,于鷃,孙越恒.一种高效的网页聚类方法[J].计算机工程与设计,2007,28(17):4229-4232. 被引量:7
  • 6G.Karypis,E.H.Han,V.Kumar.CHAMELEON:A hierarchical clustering algorithm using dynamic modeling[J].Computer,1999,32:68-75.
  • 7S.Guha,R.Rastogi,K.Shim.Cure:An efficient clustering algorithm for large databases[C]// Proc.1998 ACM-SIGMOD Int.Conf.Management of Data.Seattle:WA,1998:73-84.
  • 8Hinneburg,D.A.Keim.An efficient approach to clustering in large multimedia databases with noise[C]// Proc.1998 Int.Conf.Knowledge and Data Mining(KDD'98).New York:WA,1998:58-65.
  • 9D.Fisher.Improving inference through conceptual clustering[C]// Proc.1987 AAAI Conf.Seattle:WA,1987:461-465.
  • 10CHEN KEKE, LIU LING. iVIBRATE: Interactive visualizationbased framework for clustering large datasets[J]. ACM Transactions on Information Systems, 2006,24(2):245-294.

引证文献2

二级引证文献1

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