面向大数据的K-means算法综述

发布时间：2021-08-23 22:54

　　聚类作为一种重要的数据挖掘方式,如何在海量数据下更快获得一个有理论保证的K-means的近似解是一个关键问题。首先,定义K-means问题并介绍相关背景;然后,从理论保证和加速两个方面分别介绍国内外先进研究成果;最后,总结现有成果并对未来面向大数据的K-means研究方向予以展望和预测。 

【文章来源】：计算机应用研究. 2020,37(12)北大核心CSCD

【文章页数】：6 页

【参考文献】：
期刊论文
[1]生物医学大数据的现状与展望[J]. 宁康,陈挺.  科学通报. 2015(Z1)
[2]数据挖掘中聚类算法研究进展[J]. 周涛,陆惠玲.  计算机工程与应用. 2012(12)
[3]K-means算法研究综述[J]. 吴夙慧,成颖,郑彦宁,潘云涛.  现代图书情报技术. 2011(05)
[4]K-Means聚类算法的研究[J]. 周爱武,于亚飞.  计算机技术与发展. 2011(02)
[5]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)
[6]基于聚类分析的K-means算法研究及应用[J]. 张建萍,刘希玉.  计算机应用研究. 2007(05)
[7]数据挖掘中的聚类算法综述[J]. 贺玲,吴玲达,蔡益朝.  计算机应用研究. 2007(01)



本文编号：3358747