文献类型：期刊文章

作　　者：姜园[1] 张朝阳[1] 仇佩亮[1] 周东方[2]

机构地区：[1]浙江大学信息与通信工程研究所,杭州310027 [2]解放军信息工程大学,郑州450002

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(60002003)资助课题

年　　份：2005

卷　　号：27

期　　号：4

起止页码：655-662

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005209109980)、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：数据挖掘用于从超大规模数据库中提取感兴趣的信息。聚类是数据挖掘的重要工具,根据数据间的相似性 将数据库分成多个类,每类中数据应尽可能相似。从机器学习的观点来看,类相当于隐藏模式,寻找类是无监督学 习过程。目前已有应用于统计、模式识别、机器学习等不同领域的几十种聚类算法。该文对数据挖掘中的聚类算法 进行了归纳和分类,总结了7类算法并分析了其性能特点。

关 键 词：数据挖掘 聚类 分层聚类 分割聚类  K-MEANS

分 类 号：TP391]