注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于谱聚类的聚类集成算法

  2. 摘 要 谱聚类是近年来出现的一类性能优越的聚类算法, 能对任意形状的数据进行聚类, 但算法对尺度参数比较敏感, 利用 聚类集成良好的鲁棒性和泛化能力, 本文提出了基于谱聚类的聚类集成算法. 该算法首先利用谱聚类算法的内在特性构造多 样性的聚类成员; 然后, 采用连接三元组算法计算相似度矩阵, 扩充了数据点之间的相似性信息; 最后, 对相似度矩阵使用谱聚 类算法得到最终的集成结果. 为了使算法能扩展到大规模应用, 利用 NystrÄom 采样算法只计算随机采样数据点之间以及随机 采样数据点与剩余

  3. 所属分类：专业指导

    • 发布日期：2013-02-12
    • 文件大小：436kb
    • 提供者：hujiao199

  1. 数据挖掘软件（关联规则、聚类算法）

  2. 个人开发的一个数据挖掘的软件，集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法； 数据源存储在Microsoft Access 数据库中，将相应表中的数据换成你的数据，就可以直接进行挖掘。 DataMining软件(集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法)

  3. 所属分类：其它

    • 发布日期：2009-03-08
    • 文件大小：135kb
    • 提供者：i91yangyang

  1. 一种非常好的聚类集成方法

  2. 这是一种非常好的聚类集成方法，虽然年限有点长，但肯定会有所启发！

  3. 所属分类：机器学习

    • 发布日期：2018-03-30
    • 文件大小：218kb
    • 提供者：qq_19301691

  1. 1-CSTPCD 北大核心-基于半监督谱聚类集成的售后客户细分.pdf

  2. 根据汽车售后服务客户细分的目的，以及保修期内客户对车辆的保养情况，构建了RFMD客户细分指标模 型。针对聚类集成算法能充分挖掘数据集的内在结构，以及半监督学习思想利用先验知识指导聚类的优势，将半监 督谱聚类集成（SSSCE）算法应用于售后服务客户细分。与谱聚类（SC）算法和谱聚类集成（SCE）算法相比，SSSCE 算法的客户细分结果较优。对用SSSCE算法细分得到的客户群进行特征分析，并给出相应的保养指导策略。

  3. 所属分类：互联网

    • 发布日期：2020-05-14
    • 文件大小：1mb
    • 提供者：nczfkb

  1. 基于选择性聚类集成的客户细分.pdf

  2. 针对数据密集型企业的客户细分问题，提出一种基于选择性聚类集成的客户细分框架。在聚类集体生成阶段，根据数据来源和业务需求构建统一的客户视图，将客户特征划分为若干子集后再分别对客户对象聚类，通过评价函数选择高质量的个体标记向量生成聚类集体；在聚类集成阶段，构建记录簇标记所覆盖的相同对象个 数的重叠矩阵，利用重叠矩阵计算各簇权值，最后选择最具代表性的簇参与集成。通过某企业客户细分的实证研究表明，该框架可以有效识别出不同价值和消费行为习惯的客户群，为企业制定产品营销方案提供依据。

  3. 所属分类：互联网

    • 发布日期：2020-04-29
    • 文件大小：1mb
    • 提供者：nczfkb

  1. 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

  2. 为提高地区负荷预测的运算效率和预测精度，本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先，通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次， 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后，基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后，分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷，并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬

  3. 所属分类：讲义

    • 发布日期：2020-09-03
    • 文件大小：668kb
    • 提供者：SparkQiang

  1. 基于特征聚类集成技术的组特征选择方法

  2. 特征选择[1]指从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的的过程，是模式识别和机器学习领域中一项必不可少的技术，在数据预处理中发挥重要作用，它广泛应用于文本分类、生物信息学和信息检索等方面。尤其在海量高维数据不断涌现的今天，许多机器学习算法受不相关和冗余特征的影响，而通过选择合适的特征选择算法，可以有效地去除不相关、冗余特征，加速数据挖掘的过程，提高学习算法的泛化性能和运行效率，得到更加简单和容易理解的学习模型[2-3]。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：523kb
    • 提供者：weixin_38723559

  1. 聚类算法：K-means聚类图像分割

  2. 1 K-Means聚类 K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型数据，并且要在聚类前指定聚集的类簇数。 下面是K-Means聚类算法的分析流程，步骤如下： 第一步，确定K值，即将数据集聚集成K个类簇或小组。 第二步，从数据集中随机选择K个数据点作为质心（Centroid）或数据中心。 第三步，分别计算每个点到每个质心之间的距离，并将每个点划分到

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：156kb
    • 提供者：weixin_38639642

  1. CorGO:一种功能相似的基因聚类的综合方法-源码

  2. 哥高 一种功能相似的基因聚类的综合方法 相关文章 Pant，N.，Madhumita，M.和Paul，S.CorGO：一种对功能相似的基因进行聚类的集成方法。 跨学科计算生命科学（2021年）。 。 抽象的 共同表达或共同调控的基因组的鉴定对于探索特定疾病（例如癌症）背后的潜在机制至关重要。 研究人员广泛利用从不同平台获得的条件特异性（疾病特异性）基因表达谱，以深入了解疾病的调节机制。 使用基因表达谱开发了几种聚类算法，以识别相似基因的组。 这些算法在计算上是有效的，但是不能捕获基因之间存在的

  3. 所属分类：其它

  1. 通过基于HMM的方法进行时间数据聚类的双加权集成

  2. 通过基于HMM的方法进行时间数据聚类的双加权集成

  3. 所属分类：其它

  1. ICM：Web服务器，用于多维生物医学数据的集成聚类。

  2. ICM：Web服务器，用于多维生物医学数据的集成聚类。

  3. 所属分类：其它

  1. 使用监督正交判别投影进行聚类的无监督维约化

  2. 通过结合监督正交判别投影（SODP）和K-均值聚类集成，提出了一种新的无监督降维聚类方法，即SODP-KSCE。 以迭代方式操作的新颖算法可自适应地优化聚类结果，并学习具有最佳间隔的子空间。 为了提高K均值的稳定性，SODP-KSCE采用了集成学习。 此外，引入了负熵增量（NI）指数来衡量聚类性能。 在低维子空间中执行K均值聚类集成算法，生成未标记数据的伪类标签，然后将其用于指导原始空间中SODP的降维过程。 在多个数据集上的实验结果表明了SODPKSCE的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：197kb
    • 提供者：weixin_38591291

  1. recursive_clustering:集成的utils将来自集成数据集的单细胞rna seq数据聚类。 该管道重点关注基于一些特征而不是完整转录组的细胞类型的聚类-源码

  2. recursive_clustering:集成的utils将来自集成数据集的单细胞rna seq数据聚类。 该管道重点关注基于一些特征而不是完整转录组的细胞类型的聚类

  3. 所属分类：其它

  1. 通过投影聚类集成对癌症基因表达数据进行聚类

  2. 通过投影聚类集成对癌症基因表达数据进行聚类

  3. 所属分类：其它

  1. 一种基于抽样的大规模混合数据聚类集成算法

  2. 一种基于抽样的大规模混合数据聚类集成算法

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：318kb
    • 提供者：weixin_38638799

  1. 一种基于数据关联的聚类集成方法

  2. 聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题。文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果。文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：550kb
    • 提供者：weixin_38709379

  1. 分类数据的基于子空间的粗糙聚类集成

  2. 分类数据的基于子空间的粗糙聚类集成

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：143kb
    • 提供者：weixin_38606811

  1. 解决文本聚类集成问题的两个谱算法

  2. 聚类集成中的关键问题是如何根据不同的聚类器组合为最终的更好的聚类结果. 本文引入谱聚类思想解决文本聚类集成问题, 然而谱聚类算法需要计算大规模矩阵的特征值分解问题来获得文本的低维嵌入, 并用于后续聚类. 本文首先提出了一个集成算法, 该算法使用代数变换将大规模矩阵的特征值分解问题转化为等价的奇异值分解问题, 并继续转化为规模更小的特征值分解问题; 然后进一步研究了谱聚类算法的特性, 提出了另一个集成算法, 该算法通过求解超边的低维嵌入, 间接得到文本的低维嵌入. 在 TREC 和 Reuters

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：390kb
    • 提供者：weixin_38676500

  1. 核聚类集成失衡数据SVM算法

  2. 针对传统 SVM 算法在失衡数据集下的分类性能不理想的问题, 提出一种基于核聚类集成 SVM 算法. 该算法首先在核空间中对多数类样本集进行聚类, 然后随机选择出具有代表意义的聚类信息点, 实现在减少多数类样本数的同时将分类界面向多数类样本方向偏移. 并利用 AdaBoost 集成手段对基于核聚类的欠取样 SVM 算法进行集成, 最终提高 SVM 算法在失衡数据下的泛化性能. 将提出的算法同其他失衡数据预处理集成方法进行比较,实验结果表明该算法能够有效提高 SVM 算法在失衡数据中少数类的分类性

  3. 所属分类：其它

  1. 基于证据空间有效性指标的聚类选择性集成

  2. 首先针对距离空间在描述数据复杂结构信息方面的不足给出证据空间的概念。然后基于证据空间扩展有效性指标Davies-Bouldin,同时利用聚类成员的类别相关矩阵度量差异性。最后以较高有效性和较大差异性为目标选择聚类成员并用于集成。实验结果显示所提方法能够有效提高聚类集成算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：856kb
    • 提供者：weixin_38670529
« 12 3 4 5 6 7 »