聚类集成相关论文
负荷聚类用于对负荷种类进行划分，从而制定节能策略，有助于实现“碳达峰、碳中和”。基于现有算法的不足，该文提出一种考虑簇间重叠关......
学生群体画像能自动挖掘学生的行为数据，构建不同特征群体，辅助教师快速把握学生群体的全貌，进行差异化教学.提出一种基于聚类集成的......
随着互联网金融、信用卡业务的崛起,贷款人违约现象逐渐增多,不良贷款也随之不断攀升,这些现象给发放贷款的金融机构造成一定的经......
学位
引力波的发现标志着粒子天体物理的新纪元被开启,同时获得了2017年度诺贝尔物理学奖,这说明了探测引力波具有重要的科学意义。中国......
现实生活中存在着多种复杂网络,随着时代的发展,越来越多的复杂网络也被深入的研究。重叠社区发现算法,作为可以帮助人们了解复杂......
在当今这个数字化时代,每天都会产生巨量的数据,为了能够从中找到更有值的信息,数据挖掘技术也步入了一个快速发展期。在数据挖掘......
聚类集成能够产生高质量和鲁棒的划分结果,解决了单一聚类算法只能解决特定问题的缺陷。聚类集成主要包括了两个步骤:（1）生成基划分;......
随着大数据时代的来临,需要分析处理的数据程指数型增长。降维技术作为数据挖掘预处理技术的重要组成部分,它能有效地减少学习算法......
聚类集成是解决聚类若干难题的有效手段。受分类集成Boosting和k中值聚类方法的启发,本文提出了一种双向Boosting的聚类集成方法。......
在众多聚类算法中,谱聚类作为一种代表性的图聚类算法,由于其对复杂数据分布的适应性强、聚类效果好等优点而受到人们的广泛关注。......
谱聚类可以任意形状的数据进行聚类,在聚类集成中能够有效的提高基聚类的质量。以往的聚类集成算法中,聚类集成得到的结果并不是最......
聚类集成旨在通过融合多个不同的基聚类结果得到一个统一的类簇划分.针对现实环境中的模糊和不确定性数据,本文提出了一种基于阴影......
期刊
聚类集成是集成学习中的一个重要分支,它是为了解决无监督的聚类分析中可能因为样本的特殊数据分布与假设条件不匹配,导致聚类结果......
集成学习已经成为机器学习的重要研究方向之一，它可以显著地提高学习系统的泛化性能，特别是对于不稳定的学习算法效果更加明显，例如神......
聚类分析是一种用于探索数据的内在结构的重要技术,该技术在许多需要分析和处理多变量数据的研究中得到了应用。聚类算法通常按照......
高维数据正越来越多地充斥于数据挖掘领域,解决高维数据学习问题的传统方法是应用特征选择方法,尽可能地选择一个最小的特征子集(......
随着网络技术和数据库技术的快速发展，数据挖掘技术应运而生。聚类分析是数据挖掘中的重要分支之一，是一种数据划分或分组处理的重要......
计算机技术的普及使得各行各业积累了大量的数据信息,人工处理这些大规模的数据已变得不现实。因此,数据挖掘技术应运而生了。在数......
伴随互联网技术的迅猛进步,社会步入了大数据时代。人类日常生活中产生了大量的数据。未来,无论是在哪个领域,越来越多的决策将依......
随着民航事业的不断发展，机场噪声污染问题日益严重。因此，评价机场噪声水平及其对机场周围环境的影响具有重要的理论价值和实际意义......
随着三维激光扫描技术的迅速发展，三维点云数据在自主导航、逆向工程、工业检测等领域的应用越来越广泛。三维点云数据的分割和分类......
针对传统串行聚类集成算法在处理高维海量数据时效率低下的问题,提出基于Spark的并行聚类集成算法SCEA(Spark based Clustering En......
随着信息技术的更新发展,人们步入了大数据时代。人们日常生活中随时随地都在产生大量的信息数据,如何在海量的信息中获得隐藏在其......
聚类在数据挖掘、机器学习以及模式识别等领域有着非常广泛的应用,聚类分析是一种针对无标签数据的无监督学习方法。聚类集成的优......
当前,机器学习相关技术已经在各个行业中实现了应用,数据的规模和复杂程度随着新时代互联网的急速发展而不断增长,对于数据的高效......
聚类作为一种无监督的分类技术,是数据挖掘领域的一个重要分支,被广泛应用于图像分割、模式识别等实际场景中。迄今为止,已有许多......
传统神经网络模型的训练需要大量有标签的数据,在大数据时代,获取标记数据费时费力,考虑到聚类算法可以得到数据的标签,能否将聚类......
聚类分析是一种重要的无监督学习方法,它在没有类标签的参与下,通过对样本集的特征衡量其相似性,并据此将样本划分成不同的簇。目......
计算视觉是借助智能信息处理、模式识别等实现机器自动识别和图像理解的一种跨学科领域技术。该技术已经成为多个领域内的研究和应......
互联网的高速发展使人们越来越依赖网络,同时也催生出例如微博,网络新闻等大量的短文本。利用大量的短文本并且利用其中文本内容的......
聚类分析是一种处理无类别标记数据的有效方法,在数据挖掘、信息检索、图像分割以及机器学习等诸多领域皆有广泛应用。大数据时代......
互联网的迅速发展为人类社会带来了大规模的形形色色的数据。聚类是分析是挖掘历史数据使之变废为宝的有效工具之一。通过聚类我们......
随着中国高速铁路的迅速发展,高速列车(High Speed Train,HST)已经成为了人们出行必不可少的一种交通工具。然而当高速列车经过长......
随着科学技术的不断发展和进步,在最近十几年的时间里,计算机视觉和模式识别受到了更加广泛的关注,该学科的理论日臻完善,并且成功......
聚类集成算法通过合并某个数据集的多个划分(基聚类)结果来提高最终聚类的准确性,所以基聚类的质量对于最终的集成划分至关重要。......
针对待分类样本与训练样本之间存在分布差距、聚类集成分类方法受聚类误差影响导致分类准确率低的问题，提出一种基于图聚类标签......
聚类集成可以有效提高传统聚类算法的精度，其关键问题在于如何根据聚类成员提供的信息获得更加优越的聚类结果。设计了一种聚类......
提出一种将基于聚类集成修剪同动态选择与循环集成结合的方法。首先，利用基于K-均值聚类算法的修剪策略对全部的候选分类器进行......
聚类集成中的关键问题是如何根据不同的聚类成员组合为更好的聚类结果.引入谱聚类算法解决该问题,提出了基于相似度矩阵的谱算法(S......
20世纪90年代以来,客户关系管理(Customer Relationship Management,简称CRM)成为企业营销策略研究和营销系统应用关注的焦点。客......
图像在人类生活中扮演着重要的角色,但由于各种因素的影响,导致图像的质量不佳,通常会被噪声污染,影响视觉效果,图像降噪正是基于......
提出一种基于投票的聚类集成方法.通过分析聚类结构与聚类准确率的关系,将内聚度最高的聚类成员作为重新标记的基准以实现簇标记的......
