摘要
数据挖掘是近年来非常热门的研究方向。聚类分析是数据挖掘的一个重要研究领域。本文归纳总结了数据挖掘中传统聚类算法,并对现今新发展的,比较热门的聚类算法进行了介绍。
出处
《中国新技术新产品》
2009年第22期45-45,共1页
New Technology & New Products of China
参考文献2
-
1李明华,刘全,刘忠,郗连霞.数据挖掘中聚类算法的新发展[J].计算机应用研究,2008,25(1):13-17. 被引量:49
-
2王鑫,王洪国,王珺,王金枝.数据挖掘中聚类方法比较研究[J].计算机技术与发展,2006,16(10):20-22. 被引量:22
二级参考文献66
-
1刘静,钟伟才,刘芳,焦李成.免疫进化聚类算法[J].电子学报,2001,29(z1):1868-1872. 被引量:43
-
2张建华,江贺,张宪超.蚁群聚类算法综述[J].计算机工程与应用,2006,42(16):171-174. 被引量:41
-
3张丽娟,李舟军.分类方法的新发展:研究综述[J].计算机科学,2006,33(10):11-15. 被引量:20
-
4许雷.一种聚类新算法:模拟退火[J].模式识别与人工智能,1989,1:1-16.
-
5HanJiawei KamberM.Data Mining Concepts and Techniques[M].北京:机械工业出版社,2001..
-
6Zhang T.BIRCH:An efficient data clustering method for very large databases[A].Proc.of the ACM SIGMOD Int'1 Conf on Management of Data[C].Montreal:ACM press,1996.73-84.
-
7Enter M.A density-based algorithm for discovering clusters in large spatial databaseswith noise[A].In Proc of 2nd Int'1 Conf on Knowledge Discovering in Databases and Data Mining KDD-96[C].Portland:AAAI Press,1996.
-
8Guha S,Rastogi R,Shim K.CURE:An efficient clustering algorithm for large databases[A].In Proc of the ACM SIGMOD Int'1 Conf on Management ent of Data[C].Seattle:ACM Press,1998.73-84.
-
9GEHRKE J,AGRAWAL R,GUNOPUL O.Automatic Subspace Clustering of High Dimensional Data for DataMining Applications[J].ACMSIMOD,1998,72 (2):94-105.
-
10BETUR V,DASARAEH Y.Data Mining and knowledge Discovery:Theory Tool,and TechnologyII[A].Orlando,florida 2000 SPIE_The International Society for Optical Engineering[C][s.l.]:[s.n.],2000.259-264.
共引文献69
-
1梁敏君,倪志伟,倪丽萍,杨葛钟啸.基于网格与分形维数的聚类算法[J].计算机应用,2009,29(3):830-832. 被引量:4
-
2任惠琳.商业企业营销数据挖掘及营销数据统计分析系统的有效构建[J].现代商业,2013(31):162-163. 被引量:5
-
3宋传祥.基于分层结构的管理信息系统架构设计[J].自动化与仪器仪表,2016(7):122-123. 被引量:2
-
4韦玉科,汪仁煌,李江平,陈群.新智能化算法及其在中医诊断数字化中的应用[J].计算机工程与设计,2008,29(6):1501-1503. 被引量:8
-
5王安志,李明东,李超.各种聚类算法及改进算法的研究[J].电脑知识与技术,2008,3(9):1539-1541. 被引量:7
-
6陈炎龙,段红玉.利用数据挖掘技术提高自动排课合理性的研究[J].农业网络信息,2009(4):22-24.
-
7雷宏,张著洪.受约束的两类数据分割算法及其应用[J].贵州大学学报(自然科学版),2009,26(2):85-89.
-
8胡文舜,骆键夫,黄爱萍,许奇志,李韬,魏秀清,张立杰,郑少泉.枇杷种质数量分类中系统聚类方法的探讨[J].福建果树,2009,27(2):15-24. 被引量:3
-
9杨柳,钟诚,陆向艳.基于P2P网络的分布式聚类算法研究分析[J].微电子学与计算机,2009,26(8):83-85. 被引量:2
-
10郭秀娟,袁月,范小鸥.模糊聚类算法分析及应用[J].吉林建筑工程学院学报,2009,26(4):79-81. 被引量:8
同被引文献9
-
1王勤湖,李社坤,卢文跃,于海峰,曹智鹏.压水堆核电站一回路工况变化对主泵主要机械性能的影响[J].核动力工程,2005,26(S1):103-108. 被引量:24
-
2崔光照,曹玲芝,张勋才,王延峰.基于密度的最小生成树聚类算法研究[J].计算机工程与应用,2006,42(5):156-158. 被引量:6
-
3宋浩远.基于模型的聚类方法研究[J].重庆科技学院学报(自然科学版),2008,10(3):71-73. 被引量:13
-
4于跃,于庆恩,吴大华.主泵泵壳结构及制造分析[J].一重技术,2010(6):11-13. 被引量:1
-
5郭鹏,David Infield,杨锡运.风电机组齿轮箱温度趋势状态监测及分析方法[J].中国电机工程学报,2011,31(32):129-136. 被引量:122
-
6陈维荣,宋永华,孙锦鑫.电力系统设备状态监测的概念及现状[J].电网技术,2000,24(11):12-17. 被引量:258
-
7俞乾,李卫国.模糊集对分析模型在大型电力变压器状态评价中的应用[J].中南大学学报(自然科学版),2013,44(2):598-603. 被引量:7
-
8郭忠来,吴华,胡永刚,张为华.基于数据深度的设备状态评估模型研究[J].系统工程与电子技术,2014,36(5):895-899. 被引量:4
-
9李辉,胡姚刚,李洋,杨东,梁媛媛,欧阳海黎,兰涌森.大功率并网风电机组状态监测与故障诊断研究综述[J].电力自动化设备,2016,36(1):6-16. 被引量:65
二级引证文献2
-
1邢继,盛丽媛,彭超,白玮,张荣勇.华龙一号重要厂用水泵AHM系统应用分析[J].给水排水,2022,48(S02):283-287.
-
2赵英宏,伍英伟,方显能.红水河流域智慧集控与数字电厂的建设探索与研究[J].红水河,2019,38(6):1-4. 被引量:5
-
1张胜.数据挖掘中聚类算法的研究[J].软件导刊,2008,7(6):66-67. 被引量:3
-
2赵法信,刘俊岭.数据流聚类算法研究[J].通化师范学院学报,2006,27(2):29-32. 被引量:4
-
3刘涛,马晓宇,胡景.一种K-MEANS算法在网络异常检测中的应用[J].微电子学与计算机,2012,29(5):42-45. 被引量:5
-
4熊忠阳,张凤娟,张玉芳.基于粒子群优化的项聚类推荐算法[J].计算机工程,2009,35(23):178-180. 被引量:6
-
5张婧.一种基于模拟退火的遗传聚类算法[J].计算机光盘软件与应用,2012,15(5):71-72. 被引量:1
-
6王立新,韩亚洪.涉及障碍物的聚类方法研究[J].计算机应用,2003,23(12):73-75. 被引量:5
-
7霍灵瑜,敖成龙,龚元明.涉及障碍物的聚类方法研究[J].计算机工程与应用,2004,40(6):69-70. 被引量:1
-
8石云平,辛大欣.基于K-means聚类算法的分析及应用[J].西安工业学院学报,2006,26(1):45-48. 被引量:22
-
9牛海燕,陈笑蓉.自适应的模糊谱聚类算法在文本聚类中的应用[J].贵州大学学报(自然科学版),2015,32(6):75-78. 被引量:1
-
10付渊,王莉,冯秀芳,余雪丽.基于神经网络的文本聚类促进本体的构建[J].电脑开发与应用,2006,19(5):13-15.