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
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
二阶段近似KNN离群挖掘算法与应用
1
作者
林甲祥
樊明辉
+1 位作者
陈崇成
江先伟
《计算机应用》
CSCD
北大核心
2007年第10期2598-2601,共4页
针对高维大数据集,提出了二阶段近似最近邻离群挖掘算法(TPOM),在聚类的基础上,通过加速最近邻查询和改善剪枝效率,提高了循环嵌套KNN算法的离群检测效率。应用分析表明,该算法对于实际数据集有良好的适用性和可扩展性,具有近似线性的...
针对高维大数据集,提出了二阶段近似最近邻离群挖掘算法(TPOM),在聚类的基础上,通过加速最近邻查询和改善剪枝效率,提高了循环嵌套KNN算法的离群检测效率。应用分析表明,该算法对于实际数据集有良好的适用性和可扩展性,具有近似线性的时间复杂度。
展开更多
关键词
二阶段近似最近邻离群挖掘算法
基于距离的
离群
近似
最近
邻
K均值聚类
下载PDF
职称材料
基于共享最近邻密度的演化数据流聚类算法
被引量:
1
2
作者
高兵
张健沛
邹启杰
《北京科技大学学报》
EI
CAS
CSCD
北大核心
2014年第12期1703-1711,共9页
现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近...
现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.
展开更多
关键词
数据流
聚类
算法
最近
邻
离群
点
数据
挖掘
原文传递
题名
二阶段近似KNN离群挖掘算法与应用
1
作者
林甲祥
樊明辉
陈崇成
江先伟
机构
福州大学空间数据挖掘与信息共享教育部重点实验室
出处
《计算机应用》
CSCD
北大核心
2007年第10期2598-2601,共4页
基金
国家自然科学基金资助项目(60602052)
福建省重点科技项目(2005H086)
福建省自然科学基金资助项目(2006J0131)
文摘
针对高维大数据集,提出了二阶段近似最近邻离群挖掘算法(TPOM),在聚类的基础上,通过加速最近邻查询和改善剪枝效率,提高了循环嵌套KNN算法的离群检测效率。应用分析表明,该算法对于实际数据集有良好的适用性和可扩展性,具有近似线性的时间复杂度。
关键词
二阶段近似最近邻离群挖掘算法
基于距离的
离群
近似
最近
邻
K均值聚类
Keywords
Two-Phase Approximate KNN Outliers Mining (TPOM)
distance-based outlier
approximate KNN
kmeans clustering
分类号
TP311.131 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
基于共享最近邻密度的演化数据流聚类算法
被引量:
1
2
作者
高兵
张健沛
邹启杰
机构
哈尔滨工程大学计算机科学与技术学院
大连东软信息学院计算机系
出处
《北京科技大学学报》
EI
CAS
CSCD
北大核心
2014年第12期1703-1711,共9页
基金
国家自然科学基金资助项目(61370083
61073043
+1 种基金
61073041
61402126)
文摘
现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.
关键词
数据流
聚类
算法
最近
邻
离群
点
数据
挖掘
Keywords
data streams
clustering algorithms
nearest neighbors
outliers
data mining
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
原文传递
题名
作者
出处
发文年
被引量
操作
1
二阶段近似KNN离群挖掘算法与应用
林甲祥
樊明辉
陈崇成
江先伟
《计算机应用》
CSCD
北大核心
2007
0
下载PDF
职称材料
2
基于共享最近邻密度的演化数据流聚类算法
高兵
张健沛
邹启杰
《北京科技大学学报》
EI
CAS
CSCD
北大核心
2014
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部