本文關(guān)鍵詞：一種面向高維數(shù)據(jù)的密度峰值聚類模型　出處：《中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版)》2016年05期 　論文類型：期刊論文

  更多相關(guān)文章： 高維 密度峰值 聚類中心 數(shù)據(jù)挖掘

【摘要】：聚類是大數(shù)據(jù)時(shí)代對海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘與分析的重要工具。本文基于密度峰值聚類算法提出了針對高維數(shù)據(jù)的聚類模型,以直接簡單的形式實(shí)現(xiàn)六維度以上數(shù)據(jù)的任意形狀聚類。該模型實(shí)現(xiàn)了自動預(yù)處理過程,以局部密度較大且距離其他局部密度較大點(diǎn)較遠(yuǎn)的點(diǎn)作為聚類中心,最后引入?yún)?shù)調(diào)整。實(shí)驗(yàn)結(jié)果表明,該模型不僅對低維數(shù)據(jù)聚類實(shí)用,在高維數(shù)據(jù)的聚類效果也非常顯著。
【作者單位】： 中國傳媒大學(xué)信息工程學(xué)院;
【分類號】：TP311.13
【正文快照】： 1引言聚類是對物體或抽象對象的集合分成由類似的對象組成的多個類,在數(shù)據(jù)挖掘領(lǐng)域發(fā)揮重要作用,同時(shí)也獲得了研究機(jī)構(gòu)與學(xué)者的廣泛關(guān)注。前人在聚類算法這一領(lǐng)域也做出了重要貢獻(xiàn)。如傳統(tǒng)的聚理容易理解,實(shí)現(xiàn)也方便快捷,但不足之處是對異常值較為敏感;層次聚類算法[2]和劃分

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 賀玲;蔡益朝;楊征;;高維數(shù)據(jù)空間的一種網(wǎng)格劃分方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

2 李郁林;;高維數(shù)據(jù)分析中的降維研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2012年17期

3 何進(jìn)榮;丁立新;胡慶輝;李照奎;;高維數(shù)據(jù)空間的性質(zhì)及度量選擇[J];計(jì)算機(jī)科學(xué);2014年03期

4 劉洪波,王秀坤,趙晶;高維數(shù)據(jù)空間金字塔技術(shù)研究[J];計(jì)算機(jī)工程與應(yīng)用;2003年16期

5 沈萍;;高維數(shù)據(jù)挖掘技術(shù)研究[J];電腦知識與技術(shù);2009年06期

6 謝楓平;;聚類分析中的高維數(shù)據(jù)降維方法研究[J];閩西職業(yè)技術(shù)學(xué)院學(xué)報(bào);2009年04期

7 余元輝;鄧瑩;;一種新的高維數(shù)據(jù)聚類自適應(yīng)算法的研究[J];沈陽化工大學(xué)學(xué)報(bào);2010年02期

8 王寅峰;劉昊;狄盛;胡昊宇;;一種支持高維數(shù)據(jù)查詢的并行索引機(jī)制[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年S1期

9 周勇;盧曉偉;程春田;;非規(guī)則流中高維數(shù)據(jù)流典型相關(guān)性分析并行計(jì)算方法[J];軟件學(xué)報(bào);2012年05期

10 王素芳;;基于組件的高維數(shù)據(jù)降維方法研究[J];電腦與電信;2012年10期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 周煜人;彭輝;桂衛(wèi)華;;基于映射的高維數(shù)據(jù)聚類方法[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

2 梁俊杰;楊澤新;馮玉才;;大規(guī)模高維數(shù)據(jù)庫索引結(jié)構(gòu)[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2006年

3 陳冠華;馬秀莉;楊冬青;唐世渭;帥猛;;面向高維數(shù)據(jù)的低冗余Top-k異常點(diǎn)發(fā)現(xiàn)方法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

4 劉運(yùn)濤;鮑玉斌;吳丹;冷芳玲;孫煥良;于戈;;CBFrag-Cubing:一種基于壓縮位圖的高維數(shù)據(jù)立方創(chuàng)建算法(英文)[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2005年

5 劉文慧;;PCA與PLS用于高維數(shù)據(jù)分類的比較性研究[A];2011年中國衛(wèi)生統(tǒng)計(jì)學(xué)年會會議論文集[C];2011年

6 劉喜蘭;馮德益;王公恕;朱成喜;馮雯;;臉譜分析在中進(jìn)期地震跟蹤預(yù)報(bào)中的應(yīng)用[A];中國地震學(xué)會第四次學(xué)術(shù)大會論文摘要集[C];1992年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 本報(bào)記者 李雙藝;引領(lǐng)高維數(shù)據(jù)分析先河[N];吉林日報(bào);2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉勝藍(lán);余弦度量下的高維數(shù)據(jù)降維及分類方法研究[D];大連理工大學(xué);2015年

2 黃曉輝;高維數(shù)據(jù)的若干聚類問題及算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 楊風(fēng)召;高維數(shù)據(jù)挖掘中若干關(guān)鍵問題的研究[D];復(fù)旦大學(xué);2003年

4 陳黎飛;高維數(shù)據(jù)的聚類方法研究與應(yīng)用[D];廈門大學(xué);2008年

5 吳慶耀;高維數(shù)據(jù)的若干分類問題及算法研究[D];哈爾濱工業(yè)大學(xué);2013年

6 樓巍;面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術(shù)研究[D];上海大學(xué);2013年

7 黃健美;高維數(shù)據(jù)索引及其查詢處理技術(shù)研究[D];東北大學(xué);2009年

8 任亞洲;高維數(shù)據(jù)上的聚類方法研究[D];華南理工大學(xué);2014年

9 董道國;高維數(shù)據(jù)索引結(jié)構(gòu)研究[D];復(fù)旦大學(xué);2005年

10 于怡;高維數(shù)據(jù)變量選擇的幾點(diǎn)研究[D];復(fù)旦大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 沈江炎;基于軟子空間的高維數(shù)據(jù)樹形索引研究[D];昆明理工大學(xué);2015年

2 侯小麗;高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡(luò)降維方法研究[D];蘭州大學(xué);2015年

3 趙俊琴;基于Lasso的高維數(shù)據(jù)線性回歸模型統(tǒng)計(jì)推斷方法比較[D];山西醫(yī)科大學(xué);2015年

4 何熒;高維數(shù)據(jù)下的特征選擇與聚類方法研究[D];西南大學(xué);2015年

5 胡昌杰;基于Autoencoder的高維數(shù)據(jù)降維方法研究[D];蘭州大學(xué);2015年

6 楊代君;基于進(jìn)化算法的高維數(shù)據(jù)聚類研究[D];西安電子科技大學(xué);2014年

7 王宏霞;交通高維數(shù)據(jù)邏輯整合與降解研究[D];重慶交通大學(xué);2015年

8 楊庭庭;基于信息熵的高維數(shù)據(jù)流聚類及其應(yīng)用研究[D];重慶交通大學(xué);2015年

9 孫喜利;高維數(shù)據(jù)的降維及聚類方法研究[D];蘭州大學(xué);2016年

10 吳佳妮;基于SVM的質(zhì)譜細(xì)胞儀高維數(shù)據(jù)分析在AML早期診斷方面的應(yīng)用研究[D];山東大學(xué);2016年

，

本文編號：1310064