| 聚类算法研究综述 |
| |
| 作者姓名： | 陈新泉 周灵晶 刘耀中 |
| |
| 作者单位： | 1. 重庆三峡学院智能信息处理与控制重点实验室 重庆404100;电子科技大学大数据研究中心 成都611731;2. 重庆三峡学院智能信息处理与控制重点实验室 重庆404100;3. 中国石油塔里木油田分公司 库尔勒841000 |
| |
| 基金项目： | 重庆市基础与前沿研究计划项目,重庆三峡学院科学研究项目计划资助,重庆市高校市级重点实验室资助项目 |
| |
| 摘 要： | 聚类是数据挖掘研究领域的一种重要数据预处理方法,其目的是从无标签数据集中获得有价值数据集的内在分布结构,进而简化数据集的描述.历经几十年的研究,针对不同应用和数据特性己出现了千余种不同的聚类算法,但不同的聚类算法都有其特定的适用范围和不足.传统的聚类算法大致可分为划分聚类方法、层次聚类方法、密度聚类方法、网格聚类方法、模型聚类方法等.通过对传统聚类方法的回顾和总结,文章重点介绍了近年来出现的同步聚类算法、信念传播聚类算法和密度峰值聚类算法,并针对以上聚类算法的应用及发展方向进行了论述.
|
| 关 键 词： | 数据挖掘 聚类 信念传播 同步聚类 密度峰值 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《集成技术》浏览原始摘要信息 |
|
点击此处可从《集成技术》下载全文 |
|
