已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、近年來,半監(jiān)督學習因其卓越的性能逐漸受到模式識別和機器學習領域研究者的重視。半監(jiān)督學習可利用的監(jiān)督信息除了少量的標記樣本外,還包括樣本間的成對約束等其它信息。其中與樣本標記相比,成對約束所含的信息較弱,因而更容易獲取。本文主要針對基于成對約束的聚類和降維算法展開研究,所取得的主要研究成果如下:
(1)在競爭Renyi熵和Shannon熵聚類算法的基礎上,通過引入樣本之間的成對約束信息,提出一種基于成對約束的半監(jiān)督競爭熵聚類
2、算法,在一系列國際標準數(shù)據(jù)集上的實驗驗證了該算法的有效性。
(2)提出一種基于半監(jiān)督降維的聚類算法,該算法首先用半監(jiān)督降維方法對原始數(shù)據(jù)進行降維,然后在降維后的空間中進行半監(jiān)督聚類,實驗結(jié)果表明由于在降維和聚類兩個階段中都利用了監(jiān)督信息,算法的聚類性能得到很大提升。
(3)把集成學習的思想引入半監(jiān)督聚類,通過對成對約束進行劃分,提出一種半監(jiān)督投影聚類集成算法,進一步提高了算法的聚類性能,并且對集成算法的多樣性
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于成對約束的半監(jiān)督文本聚類算法研究.pdf
- 基于成對約束的半監(jiān)督聚類算法研究及其并行化實現(xiàn).pdf
- 基于免疫遺傳算法的聚類與特征降維研究.pdf
- 高維數(shù)據(jù)流快速降維聚類算法研究.pdf
- 自適應判別降維模糊聚類算法研究.pdf
- 成對約束傳遞方法及其在約束聚類問題中的應用研究.pdf
- 基于成對約束和稀疏表示的特征選擇算法研究.pdf
- 半監(jiān)督的聚類和降維研究及應用.pdf
- 商業(yè)數(shù)據(jù)流降維方法及其聚類算法研究.pdf
- 基于模糊Fisher準則的聚類與特征降維研究.pdf
- 基于種子對象約束的半監(jiān)督聚類算法研究.pdf
- 基于障礙與方向約束的密度聚類算法研究.pdf
- 約束子空間聚類算法研究.pdf
- 降維多核K-Means算法在文本聚類中的研究.pdf
- 高維數(shù)據(jù)的降維及聚類方法研究.pdf
- 基于半監(jiān)督的高維聚類算法研究.pdf
- 基于文本降維和蟻群算法的文本聚類研究.pdf
- 高維聚類算法研究.pdf
- 基于偶對約束的半監(jiān)督模糊聚類算法研究.pdf
- 基于約束的半監(jiān)督聚類的圖像分割算法研究.pdf
評論
0/150
提交評論