期刊文章详细信息
文献类型:期刊文章
机构地区:[1]安徽机电职业技术学院信息工程系,安徽芜湖241002
基 金:安徽省教育厅2016年度高校自然科学研究重点项目(KJ2016A134)
年 份:2016
卷 号:17
期 号:2
起止页码:99-102
语 种:中文
收录情况:普通刊
摘 要:介绍了k-means和DBSCAN聚类算法的基本原理和优缺点,针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进,在k-means和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了基于密度的增量k-means聚类算法,有效处理具有高维混合属性的数据集,改进了数据相异度的计算方法。
关 键 词:K-MEANS聚类算法 改进 数据相异度
分 类 号:TP305]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...