topmast的博客

：大量复杂异构数据分布于各个网络站点上，分布式聚类是海量数据处理的一个重要应用。该文针对基于密度的分布式聚类(DBDC) 算法提出一种改进算法，利用局部聚类获取更佳的代表对象，将代表对象集附带相关信息传送至主站点，用增强的基于密度的聚类算法进 行全局聚类，并更新子站点聚类。理论分析和实验结果表明，该算法在聚类质量和算法效率方面优于DBDC 算法。

"数据挖掘是目前一种新的重要的研究领域$而聚类分析是其重要的方法% 本文对常用聚类算法进行比较分析指出各自特点以 便能更好的掌握和使用% 关键词"数据挖掘&聚类

[摘要] 对3 种著名的聚类算法进行了对比分析, 在多类高维UCI 数据集上进行了试验, 最后对试验结果 进行了分析。　　 [关键词] 聚类; K2MEANS 算法; COBWEB 算法; DENCLUE 算法 [中图分类号] TP311 [文献标识码] A 　　[文章编号] 1673 1409 (2009) 02 N250 02

新版Android开发教程+笔记五--模拟器、应用.pdf