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
3
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
一种改进的K均值文本聚类算法
被引量:
19
1
作者
安计勇
高贵阁
+1 位作者
史志强
孙磊
《传感器与微系统》
CSCD
2015年第5期130-133,共4页
提出了一种改进的K均值文本聚类算法。该算法的改进基于以下两点:1)基于簇密度与文本间距离选取初始簇中心,引入置信半径来得到簇密度,即选取距离最远且簇密度最大的点为初始簇中心;2)基于权重的海明距离来计算文本相似度,同时采用轮廓...
提出了一种改进的K均值文本聚类算法。该算法的改进基于以下两点:1)基于簇密度与文本间距离选取初始簇中心,引入置信半径来得到簇密度,即选取距离最远且簇密度最大的点为初始簇中心;2)基于权重的海明距离来计算文本相似度,同时采用轮廓系数来衡量不同算法的聚类质量。实验结果表明:该算法相比原始的K均值文本聚类算法和文献[1]中算法具有更好的聚类质量。
展开更多
关键词
簇密度
K均值
置信半径
海明距离
轮廓系数
下载PDF
职称材料
基于Fisher判别的分布式K-Means聚类算法
被引量:
5
2
作者
彭长生
《江苏大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014年第4期422-427,共6页
为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别...
为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.
展开更多
关键词
P2P网络
聚类算法
分布式聚类
FISHER线性判别
置信半径
下载PDF
职称材料
基于节点数据密度的分布式K-means聚类算法研究
被引量:
5
3
作者
张科泽
杨鹤标
+1 位作者
沈项军
蒋中秋
《计算机应用研究》
CSCD
北大核心
2011年第10期3643-3645,3655,共4页
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数...
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制。提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定聚类置信半径并指导下一步的聚类。实验表明,该算法能够有效地减少迭代次数,节省网络带宽;同时聚类结果也接近集中式聚类算法的结果。
展开更多
关键词
点对点技术
K-MEANS聚类
自适应
置信半径
下载PDF
职称材料
题名
一种改进的K均值文本聚类算法
被引量:
19
1
作者
安计勇
高贵阁
史志强
孙磊
机构
中国矿业大学计算机科学与技术学院
[
中国矿业大学图文信息中心
出处
《传感器与微系统》
CSCD
2015年第5期130-133,共4页
基金
教育部高等学校博士学科点专项科研基金资助项目(20110095110010)
江苏省普通高校研究生科研创新计划基金资助项目(CXZZ110933)
文摘
提出了一种改进的K均值文本聚类算法。该算法的改进基于以下两点:1)基于簇密度与文本间距离选取初始簇中心,引入置信半径来得到簇密度,即选取距离最远且簇密度最大的点为初始簇中心;2)基于权重的海明距离来计算文本相似度,同时采用轮廓系数来衡量不同算法的聚类质量。实验结果表明:该算法相比原始的K均值文本聚类算法和文献[1]中算法具有更好的聚类质量。
关键词
簇密度
K均值
置信半径
海明距离
轮廓系数
Keywords
cluster density
K-means
confidence radius
Hamming distance
silhouettete coefficient
分类号
TP311 [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Fisher判别的分布式K-Means聚类算法
被引量:
5
2
作者
彭长生
机构
江苏大学计算机科学与通信工程学院
出处
《江苏大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014年第4期422-427,共6页
基金
国家科技创新基金资助项目(10C26213200946)
江苏省科技创新项目(BC2009265)
镇江市工业支撑项目(GY2012007)
文摘
为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.
关键词
P2P网络
聚类算法
分布式聚类
FISHER线性判别
置信半径
Keywords
P2P network
clustering algorithm
distributed clustering
Fisher discriminant ratio
confi- dence radius
分类号
TP393 [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
基于节点数据密度的分布式K-means聚类算法研究
被引量:
5
3
作者
张科泽
杨鹤标
沈项军
蒋中秋
机构
江苏大学计算机科学与通信工程学院
出处
《计算机应用研究》
CSCD
北大核心
2011年第10期3643-3645,3655,共4页
基金
国家自然科学基金资助项目(61005017)
国家科技创新基金资助项目(10C26213200946)
+3 种基金
江苏省自然科学基金资助项目(BK2009199)
江苏省高校自然科学基础研究资助项目(10KJB520005)
江苏大学高级人才资助项目(1283000347)
江苏省科技创新资助项目(BC2009265)
文摘
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制。提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定聚类置信半径并指导下一步的聚类。实验表明,该算法能够有效地减少迭代次数,节省网络带宽;同时聚类结果也接近集中式聚类算法的结果。
关键词
点对点技术
K-MEANS聚类
自适应
置信半径
Keywords
P2P
K-means clustering
self-adjustment
confidence radius
分类号
TP393 [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
作者
出处
发文年
被引量
操作
1
一种改进的K均值文本聚类算法
安计勇
高贵阁
史志强
孙磊
《传感器与微系统》
CSCD
2015
19
下载PDF
职称材料
2
基于Fisher判别的分布式K-Means聚类算法
彭长生
《江苏大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2014
5
下载PDF
职称材料
3
基于节点数据密度的分布式K-means聚类算法研究
张科泽
杨鹤标
沈项军
蒋中秋
《计算机应用研究》
CSCD
北大核心
2011
5
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