- 博客(0)
- 资源 (4)
- 收藏
- 关注
基于密度的分布式聚类算法研究
: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。
2010-10-14
常用聚类算法比较分析
"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
2010-10-14
3种聚类算法性能比较分析.pdf
[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
2010-10-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人