聚類作為一種重要的數(shù)據(jù)挖掘方式,如何在海量數(shù)據(jù)下更快獲得一個有理論保證的K-means的近似解是一個關(guān)鍵問題。首先,定義K-means問題并介紹相關(guān)背景;然后,從理論保證和加速兩個方面分別介紹國內(nèi)外先進(jìn)研究成果;最后,總結(jié)現(xiàn)有成果并對未來面向大數(shù)據(jù)的K-means研究方向予以展望和預(yù)測。 

【文章來源】：計算機(jī)應(yīng)用研究. 2020,37(12)北大核心CSCD

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]生物醫(yī)學(xué)大數(shù)據(jù)的現(xiàn)狀與展望[J]. 寧康,陳挺.  科學(xué)通報. 2015(Z1)
[2]數(shù)據(jù)挖掘中聚類算法研究進(jìn)展[J]. 周濤,陸惠玲.  計算機(jī)工程與應(yīng)用. 2012(12)
[3]K-means算法研究綜述[J]. 吳夙慧,成穎,鄭彥寧,潘云濤.  現(xiàn)代圖書情報技術(shù). 2011(05)
[4]K-Means聚類算法的研究[J]. 周愛武,于亞飛.  計算機(jī)技術(shù)與發(fā)展. 2011(02)
[5]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報. 2008(01)
[6]基于聚類分析的K-means算法研究及應(yīng)用[J]. 張建萍,劉希玉.  計算機(jī)應(yīng)用研究. 2007(05)
[7]數(shù)據(jù)挖掘中的聚類算法綜述[J]. 賀玲,吳玲達(dá),蔡益朝.  計算機(jī)應(yīng)用研究. 2007(01)



本文編號：3358747