张平庸
- 作品数：3 被引量：24H指数：2
- 供职机构：上海大学计算机工程与科学学院更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 高维稀疏聚类知识发现及其在连锁超市中的应用
- 数据挖掘是从大量数据中提取人们感兴趣的信息和知识,这些知识往往是隐含的、有用的、尚未发现的信息和知识.数据挖掘已经引起了人们的广泛关注,目前成为国内外数据库和信息决策领域的最前沿研究方向.聚类是数据挖掘领域最为常用的技术...
- 张平庸
- 关键词：数据挖掘知识发现聚类高维数据
- 文献传递
- 一种基于划分的动态聚类算法被引量：22
- 2005年
- 聚类分析是数据挖掘的一个重要研究分支,已经提出了许多聚类算法,划分方法是其中之一。划分方法的缺点是要求事先给定聚类结果数,对初始划分和输入顺序敏感等。为克服这些缺陷,以划分方法为基础,提出了一种基于划分的动态聚类算法。该算法按密度从大到小,依距离选择较为分散的初始值,同时可以过滤噪声数据,并在聚类的过程中动态地改变聚类结果数,改善了聚类质量,获得了更自然的结果。
- 万志华欧阳为民张平庸
- 关键词：聚类分析数据挖掘K-MEANS
- 基于密度的购物篮数据聚类方法被引量：2
- 2005年
- 在现有的算法DBSCAN基础上,提出一种基于密度的处理购物篮事务数据的聚类方法-DCMBD(density-based clustering for market basket data)。使用了一种新的事务表示法,解决了购物篮数据的高维性和稀疏性问题。并对算法进行 了相应的改进,从而提高了聚类速度。实验结果表明此方法是有效可行的。
- 张平庸欧阳为民万志华
- 关键词：聚类数据挖掘
