2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种大规模高维数据快速聚类算法

刘铭 王晓龙 刘远超

刘铭, 王晓龙, 刘远超. 一种大规模高维数据快速聚类算法. 自动化学报, 2009, 35(7): 859-866. doi: 10.3724/SP.J.1004.2009.00859
引用本文: 刘铭, 王晓龙, 刘远超. 一种大规模高维数据快速聚类算法. 自动化学报, 2009, 35(7): 859-866. doi: 10.3724/SP.J.1004.2009.00859
LIU Ming, WANG Xiao-Long, LIU Yuan-Chao. A Fast Clustering Algorithm for Large-scale and High Dimensional Data. ACTA AUTOMATICA SINICA, 2009, 35(7): 859-866. doi: 10.3724/SP.J.1004.2009.00859
Citation: LIU Ming, WANG Xiao-Long, LIU Yuan-Chao. A Fast Clustering Algorithm for Large-scale and High Dimensional Data. ACTA AUTOMATICA SINICA, 2009, 35(7): 859-866. doi: 10.3724/SP.J.1004.2009.00859

一种大规模高维数据快速聚类算法

doi: 10.3724/SP.J.1004.2009.00859
详细信息
    通讯作者:

    刘铭

  • 中图分类号: TP18

A Fast Clustering Algorithm for Large-scale and High Dimensional Data

More Information
    Corresponding author: LIU Ming
  • 摘要: 提出了一种面向大规模高维数据的自组织映射聚类算法. 算法通过压缩神经元的特征集合, 仅选择与神经元代表的文档类相关的特征构造神经元的特征向量, 从而减少了聚类时间. 同时由于选取的特征能够将映射到不同神经元的文档类进行有效区分, 避免了无关特征的干扰, 因而提升了聚类的精度. 实验结果表明该方法能够有效加快聚类的速度, 提升聚类的准确度, 达到比较理想的聚类效果.
  • 加载中
计量
  • 文章访问数:  2310
  • HTML全文浏览量:  79
  • PDF下载量:  2004
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-07-01
  • 修回日期:  2008-12-03
  • 刊出日期:  2009-07-20

目录

    /

    返回文章
    返回