摘要：聚类是数据挖掘研究领域的一种重要数据预处理方法，其目的是从无标签数据集中获得有价值数据集的内在分布结构，进而简化数据集的描述。历经几十年的研究，针对不同应用和数据特性已出现了干余种不同的聚类算法，但不同的聚类算法都有其特定的适用范围和不足。传统的聚类算法大致可分为划分聚类方法、层次聚类方法、密度聚类方法、网格聚类方法、模型聚类方法等。通过对传统聚类方法的回顾和总结，文章重点介绍了近年来出现的同步聚类算法、信念传播聚类算法和密度峰值聚类算法，并针对以上聚类算法的应用及发展方向进行了论述。
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：知网收录(中) > 万方收录(中)
关键词：数据挖掘 聚类 信念传播 同步聚类 密度峰值
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
