K-means算法在日志挖掘中的应用研究被引量：1

下载PDF

导出

摘要基于K-means算法在日志挖掘中的应用,获取需要的信息,提高网页数据推送的针对性与个性化。

作者李晓燕郭亚峰

机构地区延安大学延安市宝塔区水土保持工作队

出处《中国新通信》 2020年第6期96-96,共1页 China New Telecommunications

基金延安大学校级科研项目(YDQ2019-11)。

关键词 K-MEANS算法日志挖掘数据预处理聚类分析

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论] TP393.092 [自动化与计算机技术—计算机科学与技术]

引文网络
相关文献

参考文献3

1张晋逢,孙忠林.基于核函数动态分配聚类中心的DGK-Kmeans算法[J].软件导刊,2019,18(2):42-44. 被引量：3
2孙强.空间KMeans挖掘算法在基于手机信令的OD分析中的应用[J].科技资讯,2018,16(36):14-14. 被引量：2
3史新颖,夏元平,毛曦,殷红梅.DBSCAN与Kmeans相结合的手机大数据聚类方法研究[J].北京测绘,2019,33(2):132-137. 被引量：12

二级参考文献30

1袁方,孟增辉,于戈.对k-means聚类算法的改进[J].计算机工程与应用,2004,40(36):177-178. 被引量：47
2李新延,李德仁.DBSCAN空间聚类算法及其在城市规划中的应用[J].测绘科学,2005,30(3):51-53. 被引量：38
3周涓,熊忠阳,张玉芳,任芳.基于最大最小距离法的多中心聚类算法[J].计算机应用,2006,26(6):1425-1427. 被引量：71
4张保钢.时空数据的可视化表达研究[J].北京测绘,2006,20(3):7-9. 被引量：14
5王玲,薄列峰,焦李成.密度敏感的谱聚类[J].电子学报,2007,35(8):1577-1581. 被引量：61
6赖玉霞,刘建平.K-means算法的初始聚类中心的优化[J].计算机工程与应用,2008,44(10):147-149. 被引量：74
7赵伟,张姝,李文辉.改进K-means的空间聚类算法[J].计算机应用研究,2008,25(7):1995-1997. 被引量：8
8莫锦萍,陈琴,马琳,苏一丹.一种新的K-Means蚁群聚类算法[J].广西科学院学报,2008,24(4):284-286. 被引量：7
9韩凌波,王强,蒋正锋,郝志强.一种改进的k-means初始聚类中心选取算法[J].计算机工程与应用,2010,46(17):150-152. 被引量：92
10周世兵,徐振源,唐旭清.K-means算法最佳聚类数确定方法[J].计算机应用,2010,30(8):1995-1998. 被引量：141

共引文献13

1周晓,朱晗雨.基于Hadoop的高压输电线路合闸故障诊断方法[J].数字制造科学,2022(2):104-110. 被引量：1
2彭定永,兰小机,温振威.结合轨迹数据的城市居民出行热点识别与分析[J].江西测绘,2022(1):41-44.
3张雯玮,徐凡,黄君杰,赵明修.基于k-means算法的保险业数字化变革[J].数字技术与应用,2019,37(4):121-122. 被引量：1
4贾犇,钟建伟,戴小剑,田波,龙玉雪,解国伦.基于K-means聚类与支持向量机相结合的短期负荷预测[J].数字技术与应用,2019,37(8):72-74. 被引量：1
5赵琪,孙立双.出租车出行的居民活动区域与住宅价格的相关性[J].北京测绘,2019,33(10):1182-1186.
6肖志权,张子民,毛曦,樊文平.基于手机信令数据居民出行链提取算法[J].北京测绘,2019,33(10):1192-1195. 被引量：6
7颜亮,柳林,李万武.城市交通热点区域识别及空间交互分析[J].北京测绘,2020,34(4):467-471.
8汪鹏,刘泽玲,王利琴,董永峰.基于PB-DBSCAN的GPS数据去噪[J].计算机工程与设计,2021,42(3):678-683. 被引量：2
9李娜,刘文敏,孟繁瑞,刘岩.电信大数据分析下的时空区域经济可视化应用[J].北京航空航天大学学报,2022,48(2):273-281. 被引量：2
10罗绍辉,罗奕俊.融合KMeans++与DBSCAN算法的工程车辆轨迹聚类研究[J].城市勘测,2023(2):27-30. 被引量：1

同被引文献16

1崔晓杰,王家耀,巩现勇,赵耀.利用模糊密度聚类和双向缓冲区自动识别热点区[J].武汉大学学报（信息科学版）,2019,44(1):84-91. 被引量：6
2张文元,谈国新,朱相舟.停留点空间聚类在景区热点分析中的应用[J].计算机工程与应用,2018,54(4):263-270. 被引量：25
3陈锐,陈明剑,姚翔,王建光.利用导航大数据挖掘城市热点区域关联性[J].地球信息科学学报,2019,21(6):826-835. 被引量：10
4马周剑,赵敏.中国不同区域房地产弹性评价[J].河南科学,2018,36(3):463-468. 被引量：2
5王璐,李斌,徐永龙,马博超,魏俊博.基于共享单车数据的居民出行热点区域与时空特征分析[J].河南科学,2018,36(12):2010-2015. 被引量：8
6陆斌,华楠,郑小平,陈文军.基于人工智能的网络告警关联分析处理的应用[J].邮电设计技术,2018(12):1-6. 被引量：5
7邓林培.经典聚类算法研究综述[J].科技传播,2019,11(5):108-110. 被引量：7
8朱琳,赵娟,王伊婷,冯俊兰,邓超.移动通信网络投诉热点问题智能预警方法[J].电信科学,2019,35(5):17-24. 被引量：9
9江俊,黄骅,任条娟,张登辉.基于峰值密度聚类的电信业投诉热点话题检测方法[J].电信科学,2019,35(5):97-103. 被引量：1
10黄子赫,高尚兵,潘志庚,惠浩,廖麒羽,赵锋锋.基于快速密度聚类的载客热点可视化分析方法[J].系统仿真学报,2019,31(7):1429-1438. 被引量：10

引证文献1

1孟现锋,梁松柏,徐刚.移动网络投诉热点区域智能识别方法与应用[J].河南科学,2021,39(8):1211-1216. 被引量：1

二级引证文献1

1李虹,单磊.基于Correl的网络满意度关联分析模型[J].电信工程技术与标准化,2022,35(8):74-79.

中国新通信

2020年第6期

浏览历史

内容加载中请稍等...

K-means算法在日志挖掘中的应用研究被引量：1

参考文献3

二级参考文献30

共引文献13

同被引文献16

引证文献1

二级引证文献1

相关作者

相关机构

相关主题

浏览历史

K-means算法在日志挖掘中的应用研究 被引量：1

参考文献3

二级参考文献30

共引文献13

同被引文献16

引证文献1

二级引证文献1

相关作者

相关机构

相关主题

浏览历史

K-means算法在日志挖掘中的应用研究被引量：1