自动聚类算法相关论文
骨架是穿过数据分布中心的像素点集合,是一种重要的形状特征。该特征在保持形状的拓扑和几何性质的同时还能有效的降低计算复杂度。......
作为一门无监督学习技术,聚类广泛应用在很多领域中,包括数据压缩,文件检索,人工智能,临床图像和微阵列分析等多方面。随着信息技......
本文介绍了天文学中数据挖掘和机器学习的现状。从这个领域研究者的角度来看,数据挖掘可能有一些混合的含义。如果使用得当,它可能......
随着数字化、网络化和信息化时代的到来,人机交互平台越来越趋向简便化,如企业采用电子商务和呼叫中心来服务客户和加速商业进程。为......
随着信息技术与数据存储技术的不断发展,数据挖掘作为一种强有力的信息处理技术,已经成为当前最前沿和最活跃的研究方向之一。而聚类......
随着大坝变形监测技术的发展,大坝变形监测数据的获取也越来越多样化。但是其数据分析方法仍然是针对单点的预测,无法从整体的角度对......
随着信息技术的发展,数据挖掘技术越来越引起人们的关注,尤其是对于需要运用大量数据的天文学邻域。数据挖掘技术的发展推动了各邻域......
聚类分析是一种无监督的学习方法,对于探索数据的重要特征,揭示空间数据的分布规律以及预测数据对象的发展趋势有着重要的作用.在......
基于信息熵的有关理论,提出了一种新的连续属性的自动聚类算法。首先介绍了Shannon熵的概念及其两个重要的定理,基于信息的不确定测......