-
题名数据挖掘中聚类算法比较研究
被引量:35
- 1
-
-
作者
张红云
刘向东
段晓东
苗夺谦
马垣
-
机构
同济大学电子与信息工程学院
大连民族学院计算机系
鞍山科技大学计算机科学与工程学院
-
出处
《计算机应用与软件》
CSCD
北大核心
2003年第2期5-6,77,共3页
-
基金
国家博士后科研基金
辽宁省博士启动基金(2000014512)
-
文摘
聚类算法是数据挖掘的核心技术,本文综合提出了评价聚类算法好坏的5个标准,基于这5个标准,对数据挖掘中常用聚类算法作了比较分析,以便于人们更容易、更快捷地找到一种适用于特定问题的聚类算法。
-
关键词
数据挖掘
聚类算法
平衡迭代削减聚类算法
代表点聚类算法
数据库
-
Keywords
Data Mining BIRCH DBSCAN CURE
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名数据挖掘中聚类算法比较及在武警网络中的应用研究
- 2
-
-
作者
田杰
周晓娟
吕建新
-
机构
武警工程学院
-
出处
《现代电子技术》
2008年第8期115-117,共3页
-
文摘
聚类算法是数据挖掘的核心技术,根据评价聚类算法优劣的几个标准,对数据挖掘中常用聚类算法做了比较分析,根据各自特点,加以改进,并应用于武警部队数据挖掘项目中。通过运用改进型K-means算法,取得了较好的挖掘结果,为进一步信息的智能化检索、信息的过滤、分拣提供依据。
-
关键词
数据挖掘
代表点聚类算法
基于密度的聚类算法
K-MEANS聚类算法
指挥自动化
-
Keywords
data mining
DBSCAN
CURE
K - means
command automation
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于CURE的用户聚类算法研究
被引量:8
- 3
-
-
作者
赵妍
赵学民
-
机构
郑州航空工业管理学院计算机科学与应用系
-
出处
《计算机工程与应用》
CSCD
2012年第11期97-101,共5页
-
基金
河南省科技厅自然科学项目基金(No.102101210453)
-
文摘
通过对Web网站的日志进行聚类分析,目的是获取用户兴趣访问模式,进而为不同用户群体提供定制的个性化服务。针对原始CURE算法在代表点选择的随机性、不能充分体现用户兴趣偏好方面存在的问题,提出了改进的用户聚类算法,根据用户兴趣的显著特征提取元素的主要属性进行预聚类,为小类合并提供合理的初始类集,实验结果证明了该方法有较好的聚类结果。
-
关键词
利用代表点聚类(CURE)算法
聚类分析
用户兴趣
个性化
-
Keywords
Clustering Using Representative(CURE)algorithm
cluster analysis
users interests
personalization
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-