电脑与电信
電腦與電信
전뇌여전신
COMPUTER & TELECOM
2012年
11期
47-49
,共3页
高维数据%数据挖掘%聚类%聚类算法
高維數據%數據挖掘%聚類%聚類算法
고유수거%수거알굴%취류%취류산법
high dimensional data%data mining%clustering%clustering algorithm
由于科学技术的迅速发展，当今社会出现了大量的高维数据，对高维数据的挖掘变得越来越重要，一般的数据挖掘方法在处理高维数据时会遇到维灾的问题，同时，传统相似性度量在高维空间中也变得没有意义。本文从高维数据的特点、高维数据聚类的难点两个方面进行分析，指出了传统的聚类算法在处理高维数据时存在的问题，提出了针对高维数据挖掘中的聚类算法。
由于科學技術的迅速髮展，噹今社會齣現瞭大量的高維數據，對高維數據的挖掘變得越來越重要，一般的數據挖掘方法在處理高維數據時會遇到維災的問題，同時，傳統相似性度量在高維空間中也變得沒有意義。本文從高維數據的特點、高維數據聚類的難點兩箇方麵進行分析，指齣瞭傳統的聚類算法在處理高維數據時存在的問題，提齣瞭針對高維數據挖掘中的聚類算法。
유우과학기술적신속발전，당금사회출현료대량적고유수거，대고유수거적알굴변득월래월중요，일반적수거알굴방법재처리고유수거시회우도유재적문제，동시，전통상사성도량재고유공간중야변득몰유의의。본문종고유수거적특점、고유수거취류적난점량개방면진행분석，지출료전통적취류산법재처리고유수거시존재적문제，제출료침대고유수거알굴중적취류산법。
Due to the rapid development of science and technology, a large number of high dimensional data emerges. Data mining of high dimensional becomes more and more important. The general methods of Data Mining in processing high dimensional data will meet the dimension disaster problem, and the traditional similarity measurement in high dimensional space also becomes meaningless. This article analyzes from two aspects of the characteristics and difficulties of high dimensional data. It is pointed out that the traditional clustering algorithms have problems in processing high dimensional data, and the clustering algorithm for high dimensional data mining is put forward.
