[1]冯芷艳,郭迅华,曾大军,陈煜波,陈国青.大数据背景下商务管理研究若干前沿课题[J].管理科学学报,2013,16(1):1-9. [2]徐子沛.大数据[M].广西:广西师范出版社,2012. [3]杨风召.高维数据挖掘中若干关键问题的研究[D].上海:复旦大学,2003. [4]Apostolico A, Denas O. Fast algorithms for computing sequence distances by exhaustive substring composition[J]. Algorithms for Molecular Biology, 2008, 3(1): 13-16. [5]Vinga S, Gouveia-Oliveira R, Almeida J S. Comparative evaluation of word composition distances for the recognition of SCOP relationships[J]. Bioinformatics. 2004, 20(2): 206-215. [6]Ververidis D, Kotropoulos C. Information loss of the mahalanobis distance in high dimensions: application to feature selection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2009, 31(12): 2275-2281. [7]Yu J, Amores J, Sebe N. Distance learning for similarity estimation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2008, 30(12): 451-462. [8]王晓阳,张洪渊,沈良忠,池万乐.基于相似性度量的高维数据聚类算法研究[J].计算机技术与发展,2013,(5):30-33. [9]邵昌昇,楼巍,严利民.高维数据中的相似性度量算法的改进[J].计算机技术与发展,2011,(2):1-4. [10]谢明霞,郭建忠,张海波,陈科.高维数据相似性度量方法研究[J].计算机工程与科学,2010,(5):92-96. [11]黄斯达,陈启买.一种基于相似性度量的高维数据聚类算法的研究[J].计算机应用与软件,2009,(9):102-105. [12]蔡文.可拓集合和不相容问题[J].科学探索学报,1983,(1):83-97. [13]Cai Wen. Extension theory and its application[J]. Chinese science bulletin, 1999, 44(17): 1538-1548. [14] Cai Wen, Yang Chunyan, Wang Guanghua. A new gross discipline-extenics[J]. Science foundation in china. 2005, 13(1): 55-61. [15]杨春燕.可拓学的重要科学问题及其关键点[J].哈尔滨工业大学学报,2006,38(7):1087-1090. [16]杨春燕.多评价特征基元可拓集研究[J].数学的实践与认识,2005,35(9):203-208. [17]杨春燕.我国管理可拓工程研究进展[J].中国科学基金,2010,24(1):13-16. [18]李兴森,张浩澜,陈艳.大数据及其应用的矛盾问题与可拓学[J].科技促进发展,2014,(1):45-51. [19]崔春生.推荐系统中显式评分输入的用户聚类方法研究[J].计算机应用研究,2011,28(8):2856-2868. [20]董吉文,曲朝霞,周劲.一种基于物元分析关联度的聚类分析方法[J].济南大学学报(自然科学版),2005,(2):175-177. [21]陶雪娇,胡晓峰,刘洋.大数据研究综述[J].系统仿真学报,2013,(S1):142-146. [22]崔春生,李群,孙大伟.大数据时代人才的培养、需求与贡献[R].2014年中国人才发展报告(中国人才蓝皮书),2014. [23]楼巍.面向大数据的高维数据挖掘技术研究[D].上海:上海大学,2013. |