密度聚类

作品数：700被引量：2998H指数：23
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：陈晋音毛伊敏邓超周红芳吴洋洋更多>>
相关机构：重庆邮电大学东南大学武汉大学大连理工大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划中央高校基本科研业务费专项资金国家科技支撑计划更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机科学x
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于DBSCAN的动态邻域密度聚类算法被引量：12
《计算机科学》2023年第S01期599-605,共7页张朋 李小林 王李妍 
国家自然科学基金(71401164)。
传统的密度聚类算法在聚类划分时不会考虑数据点间的属性差异,它将所有数据点都看成同质化的点。对此,在DBSCAN算法的基础上,提出了一种动态邻域密度聚类算法DN-DBSCAN(Dynamic Neighborhood-Density Based Spatial Clustering of Appli...
关键词：动态邻域 密度聚类 动态邻域密度聚类 属性差异 划分准确率 
DCPFS:分布式轨迹流伴随模式挖掘框架
《计算机科学》2022年第S02期270-279,共10页张康威 张敬伟 杨青 胡晓丽 单美静 
国家自然科学基金(61862013,U1811264,U1711263);广西自然科学基金(2020GXNSFAA159117,2018GXNSFAA281199);广西可信软件重点实验室重点课题(KX202052);广西自动检测技术与仪器重点实验室主任基金课题(YQ21102)
随着定位技术的广泛使用,产生了以轨迹流形式收集的海量时空数据,如何从中挖掘有用的信息得到越来越多学者的关注。从轨迹流中挖掘伴随模式指在同一时间内发现具有高度相似行为的群体,对于交通管理、推荐系统的实时应用至关重要。然而,...
关键词：大数据 轨迹流 伴随模式 密度聚类 分布式 
基于AGA-DBSCAN优化的RBF神经网络构造煤厚度预测方法被引量：4
《计算机科学》2021年第7期308-315,共8页吴善杰 王新 
国家自然科学基金(41704115,41774128);江苏省自然科学基金(BK20170273)。
在构造煤厚度的预测中,经常出现因各种限制性因素而导致预测精度不高的问题,因此提出了利用自适应遗传算法优化密度聚类(DBSCAN)优化RBF神经网络参数的方法对构造煤厚度进行预测。首先,对采区三维地震属性数据进行预处理,采用主成分分...
关键词：主成分分析 遗传算法 密度聚类 中心向量 RBF神经网络 构造煤 厚度预测 
改进的否定选择算法及其在入侵检测中的应用被引量：5
《计算机科学》2021年第6期324-331,共8页贾琳 杨超 宋玲玲 程镇 李琲珺 
国家自然科学基金(61977021);应用数学湖北省重点实验室开放基金资助项目(HBAM201902)。
否定选择算法(Negative Selection Algorithm, NSA)作为人工免疫系统的典型算法被广泛应用于入侵检测中。针对传统否定选择算法在处理入侵检测问题时出现的准确率低、误报率高以及检测器集合冗余度高等问题,提出了一种改进的否定选择算...
关键词：人工免疫 入侵检测 否定选择 密度聚类 检测器 
基于轨迹划分与密度聚类的移动用户重要地点识别方法被引量：1
《计算机科学》2019年第8期23-27,共5页杨震 王红军 
国家自然科学基金(61273302)资助
移动用户轨迹数据作为新兴的空间轨迹数据,可用于分析个体或群体的行为特征、兴趣爱好,在智慧城市、交通规划和反恐维稳等领域应用广泛。为了从庞大的数据集中识别出移动用户的重要地点,提出了一种基于转角偏移度与距离偏移量的轨迹划...
关键词：移动用户 轨迹划分 重要地点 密度聚类 
基于密度聚类的HMM协作频谱预测算法被引量：1
《计算机科学》2018年第9期129-134,共6页吴建伟 李艳玲 张辉 臧翰林 
国家自然科学基金项目(61201121)资助
针对传统隐马尔科夫频谱预测中的时延长、预测准确度低的问题,提出了一种基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的HMM协作频谱预测算法。该算法采用DBSCAN算法将具有强相关性的频域信道聚...
关键词：隐马尔科夫模型 DBSCAN 信道相关性 协作频谱预测 时延 
基于Spark的点排序识别聚类结构算法被引量：3
《计算机科学》2018年第1期97-102,107,共7页瞿原 邓维斌 胡峰 张其龙 王鸿 
国家自然科学基金项目(61309014;61379114;61472056);教育部人文社科规划基金项目(15XJA630003);重庆市基础与前沿研究计划(cstc2013jcyjA40063;cstc2014jcyjA40049);重庆市教委科学技术研究项目(KJ1500416)资助
点排序识别聚类结构(Ordering Points to Identify the Clustering Structure,OPTICS)的密度聚类算法能以可视化的方式导出数据集的内在聚类结构,并且可以通过簇排序提取基本的聚类信息。但是该算法由于时空复杂度较高,不能很好地适应...
关键词：大数据 SPARK OPTICS算法 密度聚类 
基于Laplacian中心性的密度聚类算法被引量：2
《计算机科学》2018年第1期292-296,306,共6页杨旭华 朱钦鹏 童长飞 
国家自然科学基金(61374152);浙江省自然科学基金(LY17F030016;LQ13G010007)资助
聚类分析是一种重要的数据挖掘工具,可以衡量不同数据之间的相似性,并把它们分到不同的类别中,在模式识别、经济学和生物学等领域有着广泛的应用。文中提出了一种新的聚类算法。首先,把待分类的数据集转换成一个加权的完全图,每个数据...
关键词：加权完全图 Laplacian中心性 密度聚类 
面向临床检验指标的非同步时间序列聚类算法研究
《计算机科学》2016年第9期120-123,145,共5页陈德华 韩学士 乐嘉锦 朱立峰 
对临床检验指标时间序列进行聚类,从中发现临床检验指标变化趋势相似的患者群体,对开展精准医疗具有非常重要的价值。考虑到不同患者的检验次数及检验时间点不完全同步,首先通过对非同步时间序列进行预处理,实现不同时间序列维度及时间...
关键词：临床检验指标 非同步时间序列 密度聚类 
基于滑动窗口密度聚类的数据流偏倚采样算法被引量：2
《计算机科学》2013年第9期254-256,269,共4页胡志冬 任永功 杨雪 
辽宁省计划项目基金(2012232001);辽宁省自然科学基金(201202119)资助
对于移动计算领域的移动对象轨迹数据流的管理,最普遍采用的技术手段是采样技术,而传统的均匀采样易丢失一些关键的变化数据,造成信息丢失现象。针对这一问题,提出一种基于概率密度聚类的数据流偏倚采样算法。该算法在滑动窗口模型下,...
关键词：轨迹数据流 滑动窗口 密度聚类 偏倚采样 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部