期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
K-means算法在日志挖掘中的应用研究
被引量：
1
下载PDF
职称材料
导出
摘要
基于K-means算法在日志挖掘中的应用,获取需要的信息,提高网页数据推送的针对性与个性化。
作者
李晓燕
郭亚峰
机构地区
延安大学
延安市宝塔区水土保持工作队
出处
《中国新通信》
2020年第6期96-96,共1页
China New Telecommunications
基金
延安大学校级科研项目(YDQ2019-11)。
关键词
K-MEANS算法
日志挖掘
数据预处理
聚类分析
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
TP393.092 [自动化与计算机技术—计算机应用技术]
引文网络
相关文献
节点文献
二级参考文献
30
参考文献
3
共引文献
13
同被引文献
16
引证文献
1
二级引证文献
1
参考文献
3
1
张晋逢,孙忠林.
基于核函数动态分配聚类中心的DGK-Kmeans算法[J]
.软件导刊,2019,18(2):42-44.
被引量：3
2
孙强.
空间KMeans挖掘算法在基于手机信令的OD分析中的应用[J]
.科技资讯,2018,16(36):14-14.
被引量：2
3
史新颖,夏元平,毛曦,殷红梅.
DBSCAN与Kmeans相结合的手机大数据聚类方法研究[J]
.北京测绘,2019,33(2):132-137.
被引量：12
二级参考文献
30
1
袁方,孟增辉,于戈.
对k-means聚类算法的改进[J]
.计算机工程与应用,2004,40(36):177-178.
被引量：47
2
李新延,李德仁.
DBSCAN空间聚类算法及其在城市规划中的应用[J]
.测绘科学,2005,30(3):51-53.
被引量：37
3
周涓,熊忠阳,张玉芳,任芳.
基于最大最小距离法的多中心聚类算法[J]
.计算机应用,2006,26(6):1425-1427.
被引量：71
4
张保钢.
时空数据的可视化表达研究[J]
.北京测绘,2006,20(3):7-9.
被引量：14
5
王玲,薄列峰,焦李成.
密度敏感的谱聚类[J]
.电子学报,2007,35(8):1577-1581.
被引量：61
6
赖玉霞,刘建平.
K-means算法的初始聚类中心的优化[J]
.计算机工程与应用,2008,44(10):147-149.
被引量：74
7
赵伟,张姝,李文辉.
改进K-means的空间聚类算法[J]
.计算机应用研究,2008,25(7):1995-1997.
被引量：8
8
莫锦萍,陈琴,马琳,苏一丹.
一种新的K-Means蚁群聚类算法[J]
.广西科学院学报,2008,24(4):284-286.
被引量：7
9
韩凌波,王强,蒋正锋,郝志强.
一种改进的k-means初始聚类中心选取算法[J]
.计算机工程与应用,2010,46(17):150-152.
被引量：91
10
周世兵,徐振源,唐旭清.
K-means算法最佳聚类数确定方法[J]
.计算机应用,2010,30(8):1995-1998.
被引量：140
共引文献
13
1
周晓,朱晗雨.
基于Hadoop的高压输电线路合闸故障诊断方法[J]
.数字制造科学,2022(2):104-110.
被引量：1
2
彭定永,兰小机,温振威.
结合轨迹数据的城市居民出行热点识别与分析[J]
.江西测绘,2022(1):41-44.
3
张雯玮,徐凡,黄君杰,赵明修.
基于k-means算法的保险业数字化变革[J]
.数字技术与应用,2019,37(4):121-122.
被引量：1
4
贾犇,钟建伟,戴小剑,田波,龙玉雪,解国伦.
基于K-means聚类与支持向量机相结合的短期负荷预测[J]
.数字技术与应用,2019,37(8):72-74.
被引量：1
5
赵琪,孙立双.
出租车出行的居民活动区域与住宅价格的相关性[J]
.北京测绘,2019,33(10):1182-1186.
6
肖志权,张子民,毛曦,樊文平.
基于手机信令数据居民出行链提取算法[J]
.北京测绘,2019,33(10):1192-1195.
被引量：6
7
颜亮,柳林,李万武.
城市交通热点区域识别及空间交互分析[J]
.北京测绘,2020,34(4):467-471.
8
汪鹏,刘泽玲,王利琴,董永峰.
基于PB-DBSCAN的GPS数据去噪[J]
.计算机工程与设计,2021,42(3):678-683.
被引量：1
9
李娜,刘文敏,孟繁瑞,刘岩.
电信大数据分析下的时空区域经济可视化应用[J]
.北京航空航天大学学报,2022,48(2):273-281.
被引量：2
10
罗绍辉,罗奕俊.
融合KMeans++与DBSCAN算法的工程车辆轨迹聚类研究[J]
.城市勘测,2023(2):27-30.
被引量：1
同被引文献
16
1
崔晓杰,王家耀,巩现勇,赵耀.
利用模糊密度聚类和双向缓冲区自动识别热点区[J]
.武汉大学学报（信息科学版）,2019,44(1):84-91.
被引量：6
2
张文元,谈国新,朱相舟.
停留点空间聚类在景区热点分析中的应用[J]
.计算机工程与应用,2018,54(4):263-270.
被引量：25
3
陈锐,陈明剑,姚翔,王建光.
利用导航大数据挖掘城市热点区域关联性[J]
.地球信息科学学报,2019,21(6):826-835.
被引量：10
4
马周剑,赵敏.
中国不同区域房地产弹性评价[J]
.河南科学,2018,36(3):463-468.
被引量：2
5
王璐,李斌,徐永龙,马博超,魏俊博.
基于共享单车数据的居民出行热点区域与时空特征分析[J]
.河南科学,2018,36(12):2010-2015.
被引量：8
6
陆斌,华楠,郑小平,陈文军.
基于人工智能的网络告警关联分析处理的应用[J]
.邮电设计技术,2018(12):1-6.
被引量：5
7
邓林培.
经典聚类算法研究综述[J]
.科技传播,2019,11(5):108-110.
被引量：6
8
朱琳,赵娟,王伊婷,冯俊兰,邓超.
移动通信网络投诉热点问题智能预警方法[J]
.电信科学,2019,35(5):17-24.
被引量：9
9
江俊,黄骅,任条娟,张登辉.
基于峰值密度聚类的电信业投诉热点话题检测方法[J]
.电信科学,2019,35(5):97-103.
被引量：1
10
黄子赫,高尚兵,潘志庚,惠浩,廖麒羽,赵锋锋.
基于快速密度聚类的载客热点可视化分析方法[J]
.系统仿真学报,2019,31(7):1429-1438.
被引量：10
引证文献
1
1
孟现锋,梁松柏,徐刚.
移动网络投诉热点区域智能识别方法与应用[J]
.河南科学,2021,39(8):1211-1216.
被引量：1
二级引证文献
1
1
李虹,单磊.
基于Correl的网络满意度关联分析模型[J]
.电信工程技术与标准化,2022,35(8):74-79.
中国新通信
2020年 第6期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部
