期刊文献+

基于特征加权与特征选择的数据挖掘算法研究

原文传递
导出
摘要 数据挖掘作为一门迅速发展的研究领域,面临着越来越多新的问题和挑战。数据挖掘在科技、航空、军事等多个领域得到了广泛应用,甚至直接决定了行业的发展速度和先进性,但是在实践当中,同样存在许多的问题。本文根据数据挖掘的特性展开分析,以特征加权与特征选择的方法进行计算。
作者 孙兴文
出处 《网络安全技术与应用》 2016年第11期76-77,共2页 Network Security Technology & Application
  • 相关文献

参考文献2

二级参考文献7

  • 1Han Jiawei,Kamber Micheline,范明,孟小峰,等译.数据挖掘概念与技术[M].北京:机械工业出版社,2007:424-479.
  • 2FRIGUI H, NASRAOUI O, Simuhaneous clustering and attribute discrimination[C]. Proceeding of the 9th IEEE International Conference on Fuzzy Systems, 2000.
  • 3JING L. NG M. K. and HUANG. J. Z. An Entropy Weighting K-Means algorithm for subspace clustering of high-dimensional sparse data[J]. IEEE Transactions on Knowledge and Data Engineering, 2007,19(8) : 1-16.
  • 4测试数据集.http://archive.ics.uci.edu/ml/machine-learning-databases.
  • 5周涛,陆惠玲.数据挖掘中聚类算法研究进展[J].计算机工程与应用,2012,48(12):100-111. 被引量:145
  • 6朱林,雷景生,毕忠勤,杨杰.一种基于数据流的软子空间聚类算法[J].软件学报,2013,24(11):2610-2627. 被引量:31
  • 7于翔,印桂生,许宪东,王建伟.一种基于区域划分的数据流子空间聚类方法[J].计算机研究与发展,2014,51(1):88-95. 被引量:15

共引文献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