监督聚类相关论文
随着信息网络时代的到来,海量的视觉信息在全球被采集、传输和应用。然而,视觉信息膨胀带来的问题却非常严重,很多领域由于对大量......
聚类是人工智能领域中一项基础性技术。其中传统的无监督聚类不使用人工添加的标记信息直接对原始数据进行处理,虽然简单,但往往很......
我们生活在一个信息爆炸的时代,各行各业积累了大量的,甚至是海量的数据。根据世界知识产权组织的统计,专利文献含有世界每年发明......
传统的学习算法都是批量学习算法，即假设一次性获得所有样本，或者获得有代表性的样本，然后用其对分类器进行训练。但在实际的生活中，要......
摘要：电力系统有些故障产生的小电流不足以使保护装置动作，这就需要对故障进行诊断，进而采取措施，提出了利用监督聚类神经网络对电力设......
【目的】比较不同监督聚类方法的优劣及其适用场合。【方法】应用2种高斯混合模型聚类法（GMM）、K-最近邻居法（KNN）、二分类支持向量机......
提出了多目标监督聚类GA算法，即：根据样本的类标签有监督地将样本聚类，在每个类中根据样本属性的相似性有监督地聚成类簇．如果分属不同......
聚类分析并不是一个新的统计问题,但是微阵列实验产生的大量复杂多元数据集对聚类的计算方法提出了新的挑战。本文对微阵列基因表......
随着多个生物基因组测序的完成、DNA芯片技术的广泛应用,基因表达数据分析已成为后基因组时代的研究热点.聚类分析能将功能相关的......
朴素贝叶斯、KNN、决策树及支持向量机等方法已经应用到文本聚类中,然而专利文献数据有着大规模、不平衡、层次化、多标号的特点,......
为了提高RBF回归建模的精度,该文提出了一种基于模糊分组和监督聚类的RBF回归建模的新方法。基本思想是:首先利用监督聚类将训练样......
随着后基因组时代的到来，基因芯片技术越来越多地被应用到功能基因组的研究当中。如何快速有效地分析基因芯片实验所获得的大量生物......
分离分析(Segregation Analysis, SA)是直接根据分离群体数量性状的表现型检测主基因是否存在并估计其效应的一种统计遗传分析方法......
特征提取与多目标机器学习算法是基于多目标协同EA提出的,该算法通过对学习样本多属性进行特征提取找出其核属性,由核属性与其他非......
