您当前的位置:
首页 >
文章列表页 >
二阶K 近邻和多簇合并的密度峰值聚类算法
二阶
K 近邻和多簇合并的密度峰值聚类算法Density peaks clustering with second-order
K -nearest neighbors and multi-cluster merging- “在流形数据聚类领域,研究者提出了DPC-SKMM算法,有效解决了类簇中心识别和样本分配问题,为流形数据聚类研究提供了新方向。”
- 吉林大学学报(工学版) 2024年54卷第5期 页码:1417-1425
DOI: 10.13229/j.cnki.jdxbgxb.20220779
移动端阅览
AI导读
HTML全文
图( 1 ) 表( 4 )
参考文献
出版信息
数据统计
32
浏览量
134
下载量
1
CSCD
文章被引用时,请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
面向流形数据的自然近邻图优化和微簇合并密度峰值聚类算法
考虑风险异质特性的路网交通事故风险评估方法
基于前馈卷积神经网络的多模块自监督降噪模型
低碳导向的网约车合乘意愿及激励策略
基于机电惯容的车辆乘坐舒适性与侧向稳定性协同提升
相关作者
赵嘉
何超凡
肖人彬
樊棠怀
潘正祥
陶鹏飞
马永建
杨晨曦
相关机构
江西水利电力大学 信息工程学院
江西省水利大数据智能处理与预警技术工程研究中心
华中科技大学 人工智能与自动化学院
南京信息工程大学 人工智能学院
吉林大学 交通学院

