您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 标签聚类研究

  2. 标签聚类 随着互联网技术的不断发展、互联网应用服务的不断扩展,Web2.0的概念已经深入人心。过去的以系统为中心的互联网正逐渐转变为以人(即用户)为中心的互联网。互联网用户在加工、传播、浏览网络信息的同时,留下了大量的UGC(User Generated Content,用户生成内容,即用户将自己原创的内容通过互联网平台进行展示或者提供给其他用户),如用户发表博文时留下的标签(如科学网博客 )、用户在建立或维护微博时添加的个人标签。社会标签系统(Social Tagging System)正是
  3. 所属分类:网页制作

    • 发布日期:2011-10-25
    • 文件大小:1mb
    • 提供者:zcz51
  1. k均值聚类法

  2. 对某个参考标签进行聚类,在线匹配时可以减少计算量
  3. 所属分类:数据库

    • 发布日期:2013-04-08
    • 文件大小:832byte
    • 提供者:junelu236
  1. 层次聚类MATLAB程序.txt

  2. 层次聚类_matlab程序 标签: 层次聚类 matlab 杂谈 分类: 经典算法/数据挖掘/神经网络
  3. 所属分类:其它

    • 发布日期:2014-12-24
    • 文件大小:856byte
    • 提供者:chaijinsdu
  1. 文本相关性相似性聚类演示程序

  2. 我的专业工作案例可以从以下链接下载: http://pan.baidu.com/s/1dDIlXXB 需要预先安装同一目录下的VB6运行环境,然后才可以安装应用程序。 安装和测试过程中有问题可以直接联系我。 中英文文本自动摘要、自动校对、自动分类、相关性与相似性聚类、主题词与标签自动生成、微博(短文本)聚类和情感分析。我的研究成果,欢迎下载传播。
  3. 所属分类:C

    • 发布日期:2015-02-22
    • 文件大小:10mb
    • 提供者:gztwhhy
  1. 标签共现的标签聚类算法研究

  2. 这是一篇标签共现的标签聚类算法研究论文。有需要的可以下载看看,我看过了对我很有帮助、
  3. 所属分类:其它

    • 发布日期:2015-04-15
    • 文件大小:587kb
    • 提供者:qq_17409793
  1. 关于膜计算的聚类算法

  2. 膜计算是一种分布式、并行计算模型,又被称为 P 系统。膜计算旨在从生命细胞的 结构和功能以及组织、器官和高级生物组织中细胞群的协作中抽象出计算模型,具有分 布式、极大并行性、非确定性等特点。膜计算已广泛地应用于众多领域。 聚类分析是一种无监督学习过程。数据聚类是将一组数据划分到不同的组或簇中, 使得同一组中的模式尽可能地相似而不同组中的尽可能地相异。与分类不同,用于聚类 的数据没有事先定义好的类标签。通过聚类希望寻找到数据集中数据的自然结构。
  3. 所属分类:其它

    • 发布日期:2015-04-22
    • 文件大小:1mb
    • 提供者:zhuanjiao258
  1. 利用聚类技术实现纹理图像分割

  2. 利用聚类技术实现纹理图像分割 a)针对合成纹理图像(共有4个合成纹理图像,见文件夹:data\Texture_mosaic)中每一个像素提取纹理特征向量(提取纹理特征的方法可以为课堂讲的,也可以自己查找资料); b)利用聚类技术(推荐用k-均值聚类,可以从网上查找原码)对特征向量空间中的点进行聚类,类别数可根据图像中的实际纹理类数确定。最后把类属标签映射成图像形式显示(如下图,其中b、d、f、h为相应的基准分割图像)。
  3. 所属分类:讲义

    • 发布日期:2015-12-23
    • 文件大小:827kb
    • 提供者:u012863603
  1. 多视图聚类数据集mfeat

  2. 该mfeat数据集主要用于多视图聚类算法研究,其中已经有标签,可以用于对最终聚类算法分出来的类簇进行评估。
  3. 所属分类:机器学习

    • 发布日期:2017-09-08
    • 文件大小:2mb
    • 提供者:zhyiling
  1. 聚类测试_31省市居民家庭消费水平-city.txt

  2. 运用K-Means进行聚类分析的数据。 通过无标签的数据,学习数据的分布或数据与数据之间的关系。 1.聚类算法定义:根据数据的“相似性”将数据分为多类的过程。 1.1可运用的算法模块:K-Means、近邻传播算法、DBSCAN算法,高斯混合模型(GMM)等。
  3. 所属分类:机器学习

    • 发布日期:2020-04-05
    • 文件大小:2kb
    • 提供者:qq_41709378
  1. QCD感知的Partonic喷射聚类,用于真相喷射风味标签

  2. 我们提出了一种算法,用于推导将应用于蒙地卡罗事件模拟中真粒子喷射的部分风味标签。 该方法的输入是最终的强子化前部分,以消除对非物理细节的依赖,例如矩阵元素计算的顺序和喷淋发生器框架后坐力处理的顺序。 这些使用标准喷射算法进行聚类,并进行了修改,以将允许的伪喷射组合限制为跟踪的风味标签符合QCD和QED Feynman规则的伪喷射组合。 结果表明,算法可以在主要的淋浴发生器系列之间移植,并且对许多可能的系统变化不敏感:因此,与现有的临时标记方案相比,它具有明显的优势。 但是,结果表明,多组分散射模
  3. 所属分类:其它

  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. 文本检索结果聚类及类别标签抽取技术研究.caj

  2. 本文根据检索结果聚类特点进行语义特征信息抽取来辅助聚类过程。着眼 于深度挖掘文本之间语义联系,提出基于语义空间转换方法的类别标签自动发 现算法。针对检索结果聚类的实用特性,力图保持检索结果聚类的时效性、准 确性和覆盖性,重点研究了以下问题: 1、基于语义特征抽取的初始信息优化选择 检索结果聚类需要直接呈现给用户,这一特点决定了传统的机器学习算法并 不能完美解决这一问题。理解文本的语义是自然语言处理的终极目标,同样对 于检索结果聚类是十分重要的。针对中文语义分析并不成熟的现状,本文提出 从网络
  3. 所属分类:深度学习

    • 发布日期:2020-09-08
    • 文件大小:4mb
    • 提供者:fengliren
  1. 详解Vue中使用插槽(slot)、聚类插槽

  2. 一、基本的插槽 这里总结两点 如果不在子组件中使用插槽(slot),那么在子组件中写任何代码都是无效的的,不会显示 (插槽默认值)如果子组件中没有插入任何代码的话就会显示组件插槽中的内容 slot 代表父组件往子组件中 插入的标签 这里就代表组件子组件中的  Dell Dell 这里如果是这样的 就会显示 默认内容中的默认内容  二、聚类插槽 1、如果不在子组件中使用插槽(slot),那么在子组件中写任何代码都是无效的的,不会显示 2、(插槽默认值)如果子组
  3. 所属分类:其它

    • 发布日期:2020-12-08
    • 文件大小:42kb
    • 提供者:weixin_38725625
  1. K-means聚类算法介绍与利用python实现的代码示例

  2. 聚类 今天说K-means聚类算法,但是必须要先理解聚类和分类的区别,很多业务人员在日常分析时候不是很严谨,混为一谈,其实二者有本质的区别。 分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器,一开始的时候可能什么都不过滤,在日常使用过程中,我人工对于每一封邮件点选“垃圾”或“不是垃圾”,过一段时间,Gmail就体现出一定的智能,能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中,其实是给每一条邮件打了一个“标签”,这个标签只有两个值,要么是“垃圾”,要么“
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:336kb
    • 提供者:weixin_38504687
  1. 机器学习入门 — K-means、DBSCAN聚类算法(概念、图解、代码示例)

  2. 聚类概念 聚类是把相似的东西分到一组,它是一个无监督问题,没有标签使用 难点: 对于有标签的有监督学习问题,标签可以便于我们来评估模型,无监督学习问题在评估上比较难一点 对于不同的参数组合,得到的学习结果,因为比较难对模型做评估,所以不能通过一个精确度的好坏来选择参数组合 K-MEANS算法 K-MEANS算法是聚类问题中,最简单,也是最实用的一个算法 基本概念 一个数据放进来,需要指定K值,来声明要得到簇的个数 质心:一个簇的数据均值,即向量各维取平均即可(迭代时使用) 距离的度量:常用欧几里
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:438kb
    • 提供者:weixin_38674124
  1. Skr-Eric的机器学习课堂(六)– 聚类

  2. 聚类 在未知输出标签的输入集中,利用输入样本之间的某种联系,建立划分模式和逻辑,将输入样本划分成不同的群落。 1.从人的视觉到机器的数觉 一维: P(x1),Q(x2) PQ=sqrt((x1-x2)^2) 二维:P(x1,y1),Q(x2,y2) PQ=sqrt((x1-x2)^2+(y1-y2)^2) 三维:P(x1,y1,z1),Q(x2,y2,z2) PQ=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2) N维:P(x1,x2,…,xn),Q(x1′,x2′,…,x
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:107kb
    • 提供者:weixin_38734269
  1. 具有全兼容性,灵活性和鲁棒性的亲和力和惩罚联合约束谱聚类

  2. 现有的半监督频谱聚类方法有两个主要缺点,即要么无法应对多种监督,要么有时表现出不稳定的效果。为了解决这些问题,有两种归一化的亲和力和惩罚联合约束谱聚类框架及其相应的算法,分别称为I型亲和力和惩罚联合约束谱聚类(TI-APJCSC)和II型亲和力和惩罚联合约束谱本文分别提出了聚类(TII-APJCSC)。 TI指I型,TII指II型。本文的意义有四个方面。首先,得益于独特的亲和力和惩罚联合约束策略,TI-APJCSC和TII-APJCSC都比现有方法有效得多。其次,TI-APJCSC和TII-AP
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:512kb
    • 提供者:weixin_38527987
  1. 分类和聚类结果与标签传播的结合

  2. 分类和聚类结果与标签传播的结合
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:1013kb
    • 提供者:weixin_38733676
  1. 文本情感聚类的维数识别方法

  2. 在文本情感分析时,使用有监督的机器学习方法的不足是需要大量的带标签的文本数据,而无监督的文本聚类方法可以克服这一问题。对于文本情感聚类,在节省数据资源的在此基础上,利用获得的情感维度,对评论文本进行情感聚类,有效地解决情感聚类结果的不确定性问题。此处在四个领域的,并得到了满意的情感聚类结果。
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:555kb
    • 提供者:weixin_38528888
  1. 半监督序数聚类的最大余量法

  2. 通常将序数回归(OR)定义为输入样本按序数等级进行排序的任务。 OR已经发现了各种各样的应用程序,并且已经完成了很多工作。 但是,大多数现有工作都集中在有监督/半监督的OR分类上,并且尚未明确解决半监督或OR聚类的问题。 在现实世界的OR应用程序中,标记大量的训练样本通常是耗时且昂贵的,而可以使用一组未标记的样本来建立OR模型。 此外,尽管样本标签不可用,但有时我们可以获得未标记样本的相对排名信息。 此样本排名信息可用于完善OR模型。 因此,如何在未加标签的样本上建立OR模型并将样本排名信息纳入
  3. 所属分类:其它

« 12 3 4 5 6 7 »