基于最优K相异性的密度聚类算法研究OA北大核心CSCD
Research of Density-based Clustering Algorithm Based on Optimizable K-Dissimilarity Selection
该文提出一种利用最优K相异性算法(OptiSim)的密度聚类算法,通过代表性子集选择技术与DBSCAN算法的结合,可显著降低I/O耗费和内存需求,使之能够有效地处理大规模空间数据库,并提出一种扩展的OptiSim代表性子集选择方法(EOptiSim),它在处理组合数据库方面能弥补基本的OptiSim方法的不足.实验结果表明文章的算法是可行、有效的.
胡文瑜;孙志挥;周晓云
东南大学计算机科学与工程系,南京,210096福建工程学院计算机与信息科学系,福州,350014东南大学计算机科学与工程系,南京,210096
信息技术与安全科学
聚类分析代表性子集选择密度聚类算法
《计算机工程与应用》 2005 (22)
基于数据挖掘技术的中观审计风险研究
171-173,201,4
国家自然科学基金(编号:70371015)教育部高等学校博士点科研基金资助项目(编号:20040286009)
评论