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
基于簇间连接的元聚类集成算法
1
作者
杜淑颖
丁世飞
邵长龙
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第6期961-969,共9页
聚类集成已经成为数据挖掘和机器学习中的热门研究课题,尽管近年来取得了重大进展,但目前聚类集成的研究仍存在两个具有挑战性的问题.首先,大部分集成算法倾向于在对象的层面研究相似度,缺乏发掘簇层面信息的能力;其次,目前许多集成算...
聚类集成已经成为数据挖掘和机器学习中的热门研究课题,尽管近年来取得了重大进展,但目前聚类集成的研究仍存在两个具有挑战性的问题.首先,大部分集成算法倾向于在对象的层面研究相似度,缺乏发掘簇层面信息的能力;其次,目前许多集成算法仅仅关注簇内对象的直接共现,忽略了簇与簇之间的关系.针对这两个问题,提出一种基于簇间连接的元聚类集成算法,首先根据Jaccard相似度构造一个簇相似度矩阵,然后利用连接三元组细化这个相似度矩阵,最后通过图划分和成员分配得到最后的结果.理论分析和实验测试表明,提出的算法不仅能产生较好的聚类结果,而且受聚类集成规模的影响较小.
展开更多
关键词
簇间相似性
聚类集成
聚类
连接三元组
元聚类
下载PDF
职称材料
基于簇内簇间相异度的k-modes算法
被引量:
1
2
作者
贾子琪
宋玲
《计算机工程与设计》
北大核心
2021年第9期2492-2500,共9页
为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异度系数进行改进,给出初始簇中心自主选择的具体方法。提出的簇内簇间相异度系数考虑特征值本身的相异性...
为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异度系数进行改进,给出初始簇中心自主选择的具体方法。提出的簇内簇间相异度系数考虑特征值本身的相异性与其它相关特征对它们的区分性。提出的初始簇中心自主选择方法可以自动确定聚类个数和初始簇中心位置。实验结果表明,提出算法在聚类精度、纯度、召回率上均优于经典k-modes算法及其变体算法。
展开更多
关键词
k模式算法
簇
内
簇间相似性
分类型数据
频率
相异度系数
下载PDF
职称材料
题名
基于簇间连接的元聚类集成算法
1
作者
杜淑颖
丁世飞
邵长龙
机构
中国矿业大学计算机科学与技术学院
徐州生物工程职业技术学院信息管理学院
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023年第6期961-969,共9页
基金
国家自然科学基金(62276265,61976216)
江苏高校“青蓝工程”
江苏省高等职业院校专业带头人高端研修资助项目(2021GRFX074)
文摘
聚类集成已经成为数据挖掘和机器学习中的热门研究课题,尽管近年来取得了重大进展,但目前聚类集成的研究仍存在两个具有挑战性的问题.首先,大部分集成算法倾向于在对象的层面研究相似度,缺乏发掘簇层面信息的能力;其次,目前许多集成算法仅仅关注簇内对象的直接共现,忽略了簇与簇之间的关系.针对这两个问题,提出一种基于簇间连接的元聚类集成算法,首先根据Jaccard相似度构造一个簇相似度矩阵,然后利用连接三元组细化这个相似度矩阵,最后通过图划分和成员分配得到最后的结果.理论分析和实验测试表明,提出的算法不仅能产生较好的聚类结果,而且受聚类集成规模的影响较小.
关键词
簇间相似性
聚类集成
聚类
连接三元组
元聚类
Keywords
inter-cluster similarity
clustering ensemble
clustering
connecting triples
meta-clustering algorithm(MCLA)
分类号
TP399 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于簇内簇间相异度的k-modes算法
被引量:
1
2
作者
贾子琪
宋玲
机构
南阳理工学院计算机与软件学院
广西大学计算机与电子信息学院
出处
《计算机工程与设计》
北大核心
2021年第9期2492-2500,共9页
基金
国家自然科学基金项目(61762030)
广西创新驱动重大专项基金项目(桂科AA17204017)
广西重点研发计划基金项目(桂科AB19110050、桂科AB18126094)。
文摘
为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异度系数进行改进,给出初始簇中心自主选择的具体方法。提出的簇内簇间相异度系数考虑特征值本身的相异性与其它相关特征对它们的区分性。提出的初始簇中心自主选择方法可以自动确定聚类个数和初始簇中心位置。实验结果表明,提出算法在聚类精度、纯度、召回率上均优于经典k-modes算法及其变体算法。
关键词
k模式算法
簇
内
簇间相似性
分类型数据
频率
相异度系数
Keywords
k-modes algorithm
intra-cluster and inter-cluster similarity
categorical data
frequency
dissimilarity coefficient
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于簇间连接的元聚类集成算法
杜淑颖
丁世飞
邵长龙
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于簇内簇间相异度的k-modes算法
贾子琪
宋玲
《计算机工程与设计》
北大核心
2021
1
下载PDF
职称材料
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