期刊文献+

高维数据对象聚类算法效果分析

下载PDF
导出
摘要 虽然经典聚类算法能够有效地处理维度较低的数据对象,但随着维度的增加,算法的性能和效率就会明显下降。本文在对数据对象间的最大距离和平均距离随维数增加的变化趋势实验基础上,对聚类算法的聚类精度随数据对象维度增加的变化特征进行了实验研究。同时,利用复相关系数的倒数对属性进行加权,提出了利用复相关系数倒数阈值实现降维的方法,并取得了良好的实验结果。
出处 《中国管理信息化》 2012年第8期51-53,共3页 China Management Informationization
  • 相关文献

参考文献3

二级参考文献17

  • 1李桂林,陈晓云.关于聚类分析中相似度的讨论[J].计算机工程与应用,2004,40(31):64-65. 被引量:26
  • 2孟海东,张玉英.基于密度和对象方向聚类算法的改进[J].计算机工程与应用,2006,42(20):154-156. 被引量:14
  • 3Han J,Kamber M. Data Mining: Concepts and Techniques. High Education Press, Morgan Kaufman Publishers, 223-257
  • 4Guha U,Rastogi R,Shim K. CURE: an efficient clustering algorithm for large databases. Information System, 2001,26 (1): 35-58
  • 5Zhang T, Ramarkrishnan R,Livny M. BIRCH: an efficient data clustering method for very large database. 1996 ACM 0-89791-794-4/96/0006
  • 6Ester M, Kriegel H P, Sander J, Xu X. A density-based algorithm for discovering clusters in large spatial database with noise. In:Proc. 2nd Int'l Conf. Knowledge Discovering in Database and Data Mining (KDD-96)
  • 7Ankerst M,Breunig M,Kriegel H P,Sander J. OPTICS: Ordering points to identity the clustering structure. In: Proc. 1999 ACMSGMOD Int. Conf. Management of Data (SIGMOD'99), 49-60,Philadelphia, PA, June 1999
  • 8Agrawal J, et al. Automatic subspace clustering of high dimensional data mining applications. In:Proc. ACM SIGMOD Inter'l Conf.Management of Data, 1998. 73-84
  • 9Sheikholeslami G, Chatterjee S,Zhang A. WaveCluster: A multiresolution clustering approach for very large spatial database. In:Proc. 1998 Int. Conf. Very Large Data Base,New York, 1998. 428-439
  • 10Wang W,Yang J,Muntz R. STING: A statistical information grid approach to spatial data mining. In: Proc. 1997 Int. Corf. Very Large Data Bases (VLDB'97), Athens, Greece, 1997. 186 - 195

共引文献42

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