期刊文献+
共找到201篇文章
< 1 2 11 >
每页显示 20 50 100
基于交点的新层次聚类算法 认领
1
作者 李青旭 陈天鹰 胡波 《信息技术与网络安全》 2020年第10期18-22,共5页
介绍了一种新的分层聚类算法,该聚类算法的主要目的是利用交点提供更好的聚类质量和更高的准确性。为了验证该聚类算法,对基准数据集进行了几次实验,并与其他五种广泛使用的聚类算法进行对比。使用纯度作为外部标准来评估聚类算法的性能... 介绍了一种新的分层聚类算法,该聚类算法的主要目的是利用交点提供更好的聚类质量和更高的准确性。为了验证该聚类算法,对基准数据集进行了几次实验,并与其他五种广泛使用的聚类算法进行对比。使用纯度作为外部标准来评估聚类算法的性能,并计算了由聚类算法得出的每个聚类的紧密度,以评估聚类算法的有效性。实验结果表明,在大多数情况下,该算法的错误率低于研究中使用的其他聚类算法。 展开更多
关键词 数据挖掘 无监督学习 聚类分析 聚类算法 分层聚类
在线阅读 下载PDF
基于深度特征表示的Softmax聚类算法 认领
2
作者 陈俊芬 赵佳成 +1 位作者 韩洁 翟俊海 《南京大学学报:自然科学版》 CAS CSCD 北大核心 2020年第4期533-540,共8页
图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码... 图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码器的深度Softmax聚类算法(ASCAE‐Softmax).首先设计一种非对称的卷积自编码器网络结构(ASCAE),通过优化卷积和添加全连接层,使整个网络呈非对称;接着使用Softmax聚类器把特征映射成聚类概率分布,构造辅助目标概率分布,将特征学习与聚类判别联合在一起.通过迭代最小化KL(Kullback‐Leibler)散度损失达到清晰的聚类划分.实验结果表明,该方法能够学习出使同类更加紧凑、异类更加稀疏的特征表示,且聚类结果优于经典的深度聚类算法. 展开更多
关键词 无监督学习 特征表示 卷积自编码器 图像聚类 Softmax 分类器
在线阅读 免费下载
基于样本稳定性的聚类方法 认领
3
作者 李飞江 钱宇华 +2 位作者 王婕婷 梁吉业 王文剑 《中国科学:信息科学》 CSCD 北大核心 2020年第8期1239-1254,共16页
数据类型和分布的复杂化导致样本间关系的不确定性增强,给有效挖掘数据的潜在类簇结构带来挑战.为降低样本关系不确定性对数据聚类带来的影响,本文将聚类集成中样本稳定性概念扩展至聚类分析中.本文从理论上分析样本稳定的合理性,并提... 数据类型和分布的复杂化导致样本间关系的不确定性增强,给有效挖掘数据的潜在类簇结构带来挑战.为降低样本关系不确定性对数据聚类带来的影响,本文将聚类集成中样本稳定性概念扩展至聚类分析中.本文从理论上分析样本稳定的合理性,并提出基于信息熵的样本稳定性度量方法.此外,本文提出一个基于样本稳定性的聚类方法,该方法先将数据分为稳定样本集和不稳定样本集,然后挖掘稳定样本的团簇结构,并将不稳定样本划分至该团簇结构中.最后,本文通过二维人造数据和图像分割场景可视化显示样本稳定性的合理性,并在基准数据集上验证本文所提聚类算法的有效性. 展开更多
关键词 机器学习 无监督学习 聚类分析 样本稳定性 稳定性理论
面向繁忙区域扇区动态管理的相似运行场景识别 认领
4
作者 胡明华 张旋 +2 位作者 袁立罡 陈海燕 葛家明 《南京航空航天大学学报:英文版》 EI CSCD 2020年第4期615-629,共15页
由于空中交通的不确定性,管制员在策略制定时面临着很大的挑战,而相似运行场景识别是一种很好的辅助管制员进行策略制定的方法。基于典型繁忙区域管制空域的运行特征建立了复杂度度量指标体系,在此基础上分析出区域扇区运行特征具有聚... 由于空中交通的不确定性,管制员在策略制定时面临着很大的挑战,而相似运行场景识别是一种很好的辅助管制员进行策略制定的方法。基于典型繁忙区域管制空域的运行特征建立了复杂度度量指标体系,在此基础上分析出区域扇区运行特征具有聚集性及连续性的特点,利用主成分分析有效地降低了数据维度和信息冗余,并利用主成分构建了代表运行模式场景和运行趋势场景的离散特征和时序特征。基于高斯核函数,采用欧氏距离和动态时间规整(Dynamic time warping,DTW)方法对特征间的相似度进行了度量,将度量结果输入到谱聚类模型中得到场景识别结果。聚类结果表明,基于上述指标体系,相似运行趋势场景识别效果不明显,相似模式场景识别结果较理想。最后采用多维缩放(Multidimensional scaling,MDS)方法对相似模式场景识别结果与扇区实际垂直运行进行了可视化对比,识别结果在高峰时刻能很好的反映运行情况,高峰时刻繁忙运行模式和开扇运行的匹配率达到96.7%,并分析出凌晨时段管制员在相似的场景下会做出不同决策,实验结果表明了识别结果的客观性及实际运行的主观性。相似的空中交通活动为管制策略制定提供了规律性支撑,也证明了这种方法在管制运行中对其他人工智能技术及动态策略制定的支持潜力。 展开更多
关键词 空中交通 相似场景 无监督聚类 动态运行 时间序列 相似性度量
在线阅读 下载PDF
基于附加间隔Softmax特征的人脸聚类算法 认领
5
作者 王锟朋 高兴宇 《计算机应用与软件》 北大核心 2020年第2期111-117,共7页
针对数据量巨大、类别多、真实类别数未知、样本数量不均衡、类内变化多的无标签人脸图像分类问题,提出基于附加间隔Softmax特征的近似等级排序人脸聚类算法。使用附加间隔Softmax损失结合Inception-ResNet-V1网络训练人脸识别模型来提... 针对数据量巨大、类别多、真实类别数未知、样本数量不均衡、类内变化多的无标签人脸图像分类问题,提出基于附加间隔Softmax特征的近似等级排序人脸聚类算法。使用附加间隔Softmax损失结合Inception-ResNet-V1网络训练人脸识别模型来提取深度人脸特征,并应用于近似等级排序聚类。在LFW人脸数据集、LFW与视频模糊人脸的混合数据集上进行实验,结果表明该模型在人脸识别准确率、误识率为0.1%时的验证率均优于其他模型,近似等级排序聚类在F1度量得分优于其他聚类算法,具有更强的鲁棒性和应用价值。 展开更多
关键词 人脸识别 附加间隔Softmax 近似等级排序 无监督 聚类
在线阅读 下载PDF
图像的扩散界面无监督聚类算法 认领
6
作者 王成章 白晓明 杜金栗 《计算机科学》 CSCD 北大核心 2020年第5期149-153,共5页
图像的无监督聚类就是基于图像数据,在无任何先验信息的情况下将整个图像集合划分成若干子集的过程。由于图像的本征维度很高,在图像处理中会遇到“维数灾难”问题。针对图像无监督聚类的特点,提出了一种图像的扩散界面无监督聚类算法,... 图像的无监督聚类就是基于图像数据,在无任何先验信息的情况下将整个图像集合划分成若干子集的过程。由于图像的本征维度很高,在图像处理中会遇到“维数灾难”问题。针对图像无监督聚类的特点,提出了一种图像的扩散界面无监督聚类算法,将图像编码成高维观测空间中的点,再通过投影变换映射到低维特征空间,在低维特征空间中构建扩散界面无监督聚类模型,并在模型中引入维度约简算子,采用循环迭代算法优化扩散界面模型的能量函数。基于最优的扩散界面,将整个图像集合聚类成不同的子集。实验结果表明,扩散界面无监督聚类算法优于传统聚类算法中的K-means算法、DBSCAN算法和Spectral Clustering算法,能够更好地实现图像的无监督聚类,在相同条件下具有更高的准确度。 展开更多
关键词 扩散界面 无监督学习 图像聚类 维度约简 最优化
在线阅读 免费下载
基于改进遗传算法的C/SiC拉伸损伤声发射模式识别 认领
7
作者 张勇祯 童小燕 +2 位作者 姚磊江 李斌 白国栋 《无机材料学报》 SCIE EI CAS CSCD 北大核心 2020年第5期593-600,共8页
采用层次聚类及基于改进遗传算法的无监督模式识别方法,对2D-C/SiC复合材料常温拉伸试验过程的声发射数据进行分析,结合试样断口的扫描电镜(SEM)照片,得到拉伸过程中5类损伤模式及其典型声发射特征参数。通过对各类损伤的能量分布、累... 采用层次聚类及基于改进遗传算法的无监督模式识别方法,对2D-C/SiC复合材料常温拉伸试验过程的声发射数据进行分析,结合试样断口的扫描电镜(SEM)照片,得到拉伸过程中5类损伤模式及其典型声发射特征参数。通过对各类损伤的能量分布、累计事件数和累计能量的分析,研究C/SiC复合材料的损伤演化过程,发现其过程可分为基体微裂纹和界面失效为主的初始损伤阶段、基体微裂纹停滞导致层间剥离及纤维失效占主导地位的裂纹饱和阶段、基体长裂纹和界面失效为主的损伤积累发展阶段和纤维束大量失效的宏观断裂阶段。 展开更多
关键词 C/SIC 声发射 改进遗传算法 无监督聚类 损伤
在线阅读 下载PDF
一种基于分层聚合的分布式异常数据检测方案 认领
8
作者 许春杰 吴蒙 杨立君 《计算机工程》 CAS CSCD 北大核心 2020年第4期213-219,共7页
在无线传感器网络中,由于传感器节点的带宽、功率、计算能力有限,传统的集中式方案难以区分海量数据中的异常数据.为解决此问题,提出一种基于多层分布式无线传感器网络的异常数据检测方案.在节点层级采用K-Means++算法对数据进行聚类,... 在无线传感器网络中,由于传感器节点的带宽、功率、计算能力有限,传统的集中式方案难以区分海量数据中的异常数据.为解决此问题,提出一种基于多层分布式无线传感器网络的异常数据检测方案.在节点层级采用K-Means++算法对数据进行聚类,执行簇合并算法以减少数据传输量,在网关节点执行基于KNN的异常簇检测算法,将正常簇信息返回至底层节点进行局部检测,从而区分异常数据.在高斯数据集与IBRL数据集上的实验结果表明,该方案检测率高于98%,且能显著降低通信消耗. 展开更多
关键词 异常检测 无监督学习 无线传感器网络 分布式处理 聚类
在线阅读 下载PDF
基于成对约束的半监督聚类方法 认领
9
作者 陶性留 俞璐 王晓莹 《信息技术与网络安全》 2019年第11期54-59,66共7页
成对约束作为半监督学习的一个重要分支,它以无监督的聚类算法为基础,通过利用少量的监督信息来提高聚类的性能。提出了一种基于成对约束的半监督聚类方法,在FCM-NMF聚类算法框架下,采用非负矩阵分解提取样本的本质特征,并且加入成对约... 成对约束作为半监督学习的一个重要分支,它以无监督的聚类算法为基础,通过利用少量的监督信息来提高聚类的性能。提出了一种基于成对约束的半监督聚类方法,在FCM-NMF聚类算法框架下,采用非负矩阵分解提取样本的本质特征,并且加入成对约束条件指导聚类过程进行模糊聚类。构造出的新的目标函数采用梯度下降法和交替迭代公式来找局部最优解,并在UCI数据集上讨论了成对约束的数量对聚类的影响、价值系数的设置对聚类的影响,并与常见的半监督聚类性能进行了比较,证明了其正确性、有效性、稳定性。 展开更多
关键词 成对约束 半监督聚类 FCM-NMF聚类 非负矩阵分解 交替迭代公式
在线阅读 下载PDF
基于改进K-medoids的聚类质量评价指标研究 认领
10
作者 邹臣嵩 段桂芹 《计算机系统应用》 2019年第6期235-242,共8页
为了更好地评价无监督聚类算法的聚类质量,解决因簇中心重叠而导致的聚类评价结果失效等问题,对常用聚类评价指标进行了分析,提出一个新的内部评价指标,将簇间邻近边界点的最小距离平方和与簇内样本个数的乘积作为整个样本集的分离度,... 为了更好地评价无监督聚类算法的聚类质量,解决因簇中心重叠而导致的聚类评价结果失效等问题,对常用聚类评价指标进行了分析,提出一个新的内部评价指标,将簇间邻近边界点的最小距离平方和与簇内样本个数的乘积作为整个样本集的分离度,平衡了簇间分离度与簇内紧致度的关系;提出一种新的密度计算方法,将样本集与各样本的平均距离比值较大的对象作为高密度点,使用最大乘积法选取相对分散且具有较高密度的数据对象作为初始聚类中心,增强了K-medoids算法初始中心点的代表性和算法的稳定性,在此基础上,结合新提出的内部评价指标设计了聚类质量评价模型,在UCI和KDDCUP99数据集上的实验结果表明,新模型能够对无先验知识样本进行有效聚类和合理评价,能够给出最优聚类数目或最优聚类范围. 展开更多
关键词 聚类评价指标 K-medoids 无监督聚类 最优聚类数
在线阅读 下载PDF
Unsupervised learning on scientific ocean drilling datasets from the South China Sea 认领
11
作者 Kevin C.TSE Hon-Chim CHIU +2 位作者 Man-Yin TSANG Yiliang LI Edmund Y.LAM 《地球科学前沿:英文版》 SCIE CAS CSCD 2019年第1期180-190,共11页
Unsupervised learning methods were applied to explore data patterns in multivariate geophysical datasets collected from ocean floor sediment core samples coming from scientific ocean drilling in the South China Sea.Co... Unsupervised learning methods were applied to explore data patterns in multivariate geophysical datasets collected from ocean floor sediment core samples coming from scientific ocean drilling in the South China Sea.Compared to studies on similar datasets,but using supervised learning methods which are designed to make predictions based on sample training data,unsupervised learning methods require no a priori information and focus only on the input data.In this study,popular unsupervised learning methods including K-means,self-organizing maps,hierarchical clustering and random forest were coupled with different distance metrics to form exploratory data clusters.The resulting data clusters were externally validated with lithologic units and geologic time scales assigned to the datasets by conventional methods. Compact and connected data clusters displayed varying degrees of correspondence with existing classification by lithologic units and geologic time scales.K-means and self-organizing maps were observed to perform better with lithologic units while random forest corresponded best with geologic time scales.This study sets a pioneering example of how unsupervised machine learning methods can be used as an automatic processing tool for the increasingly high volume of scientific ocean drilling data. 展开更多
关键词 machine LEARNING UNSUPERVISED LEARNING ODP IODP clustering
一种基于张量积扩散的非监督极化SAR图像地物分类方法 认领 被引量:1
12
作者 邹焕新 李美霖 +3 位作者 马倩 孙嘉赤 曹旭 秦先祥 《雷达学报》 CSCD 北大核心 2019年第4期436-447,共12页
针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类... 针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。 展开更多
关键词 极化SAR图像 非监督分类 张量积图 扩散 超像素 谱聚类
在线阅读 免费下载
K-means聚类算法性能分析与优化研究 认领 被引量:2
13
作者 杨柳 《火控雷达技术》 2019年第2期16-19,共4页
随着信息技术的高速发展,数据对社会生产与生活中诸多领域的影响越来越突出;数据聚类分析是将数据以无监督方法,根据数据的特征划分成多个簇,聚类分析是对数据进一步处理的基础。本文主要研究基于K-means算法的聚类方法,介绍了K-means... 随着信息技术的高速发展,数据对社会生产与生活中诸多领域的影响越来越突出;数据聚类分析是将数据以无监督方法,根据数据的特征划分成多个簇,聚类分析是对数据进一步处理的基础。本文主要研究基于K-means算法的聚类方法,介绍了K-means算法的原理和实现过程,分析了K-means聚类算法的性能以及不同因子对K-means聚类算法的影响机理。本文的研究能够为无监督聚类过程的设计与应用提供理论指导。 展开更多
关键词 无监督 聚类 K-MEANS
在线阅读 下载PDF
说话人确认中基于无监督聚类的得分规整 认领
14
作者 古斌 郭武 《数据采集与处理》 CSCD 北大核心 2019年第5期837-843,共7页
在说话人确认任务中,得分规整可有效调整测试得分分布,使每个说话人的得分分布接近同一分布,从而提升系统整体性能。直接从开发集中获得针对待识别目标说话人的大量冒认者得分,利用无监督聚类手段对这些得分进行筛选,并采用混合高斯模... 在说话人确认任务中,得分规整可有效调整测试得分分布,使每个说话人的得分分布接近同一分布,从而提升系统整体性能。直接从开发集中获得针对待识别目标说话人的大量冒认者得分,利用无监督聚类手段对这些得分进行筛选,并采用混合高斯模型来拟合得分分布,挑选均值最大的高斯单元作为得分规整的参数并将其应用于说话人的得分规整。在NIST SRE 2016测试集上的测试结果表明,相对于其他得分规整算法,采用无监督聚类得分规整的方法可有效提升系统性能。 展开更多
关键词 说话人确认 得分规整 无监督聚类
在线阅读 下载PDF
基于多种聚类的无监督距离融合学习算法研究 认领
15
作者 侯守明 林晓洁 胡明凯 《现代信息科技》 2019年第5期70-73,共4页
本文针对传统的形状匹配算法的处理计算量过大、消耗时间过长,从而导致无法应用于大量的图像集以及在线的形状匹配场景的问题,在学者提出的距离融合算法的基础上进行了改进,在处理阶段引入无监督学习的方法进行多种聚类。通过引入预处... 本文针对传统的形状匹配算法的处理计算量过大、消耗时间过长,从而导致无法应用于大量的图像集以及在线的形状匹配场景的问题,在学者提出的距离融合算法的基础上进行了改进,在处理阶段引入无监督学习的方法进行多种聚类。通过引入预处理算法对图像集进行特征提取以及划分,在算法的计算量上做出优化,大幅降低了算法的计算时耗,并且保证其正确率几乎没有降低。 展开更多
关键词 无监督 形状匹配 多重聚类 距离融合
在线阅读 下载PDF
一种基于核密度聚类的电力负荷模式精细化识别算法研究 认领
16
作者 张桐赫 杜欣慧 王帅 《数学的实践与认识》 北大核心 2019年第8期155-164,共10页
密度峰值聚类算法(DPC)是一种基于密度的非监督学习算法.分析用电类型复杂的电力负荷数据集时,存在负荷曲线聚类效果过分依赖人为参数设定和无法识别潜在用电模式的缺陷.结合非参数核密度估计,使用带宽搜索与边界优化提出一种适应多类... 密度峰值聚类算法(DPC)是一种基于密度的非监督学习算法.分析用电类型复杂的电力负荷数据集时,存在负荷曲线聚类效果过分依赖人为参数设定和无法识别潜在用电模式的缺陷.结合非参数核密度估计,使用带宽搜索与边界优化提出一种适应多类型复杂用户的电力负荷数据优化聚类算法.在某市10KV真实数据集中进行算法测试,使用Davies-Bouldin有效性指标对比优化前后算法聚类效果.结果表明改进算法在面向用户类型复杂的电力数据集时,能够实现已知用电模式精确识别与潜在用电模式的深度挖掘并显著提高聚类有效性. 展开更多
关键词 非监督学习 模式识别 非参数估计 边界优化 负荷聚类
基于非监督学习的恶意欠费用电客户识别 认领 被引量:1
17
作者 李汉巨 《信息技术》 2019年第3期33-36,共4页
恶意欠费用户识别对供电企业有重要意义,有利于供电企业提前介入,避免电费回收风险。由于用户电费数据缺少标签以区分用户是否恶意欠费,因此需要采取非监督学习方式建立识别模型。文中借鉴信息安全风险评估的风险值概念,综合欠费的恶意... 恶意欠费用户识别对供电企业有重要意义,有利于供电企业提前介入,避免电费回收风险。由于用户电费数据缺少标签以区分用户是否恶意欠费,因此需要采取非监督学习方式建立识别模型。文中借鉴信息安全风险评估的风险值概念,综合欠费的恶意程度和欠费造成的经济损失程度来评估用户的欠费风险值,建立基于经验阀值的动态更新的恶意欠费用户识别模型。案例分析表明,该模型具备良好的识别能力,符合人们对恶意欠费用户的经验理解。 展开更多
关键词 恶意欠费 用电客户 非监督学习 信息安全风险评估 聚类算法
在线阅读 下载PDF
基于蜂窝网结构的多目标自动辨识定位方法 认领
18
作者 苗晟 董亮 +1 位作者 董建娥 钟丽辉 《计算机应用》 CSCD 北大核心 2019年第11期3343-3348,共6页
针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由... 针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度(PHD)滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。 展开更多
关键词 蜂窝网 到达时间差 多目标定位 无监督聚类 窄带波束形成
在线阅读 下载PDF
基于核主成分分析的空域复杂度无监督评估 认领 被引量:2
19
作者 张瞩熹 朱熙 +2 位作者 朱少川 张明远 杜文博 《航空学报》 EI CAS CSCD 北大核心 2019年第8期236-242,共7页
空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无... 空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系,准确提取能够最大化复杂度评估信息量的主成分,进一步设计了可按需定制的主成分聚类方法,实现了无监督条件下空域复杂度的准确评估,为空域划分、流量管理提供了有效的技术支撑。 展开更多
关键词 空域复杂度 空域运行态势 无监督 核主成分分析 降维 聚类
面向实体解析的无监督聚类方法综述 认领 被引量:3
20
作者 高广尚 《计算机工程与应用》 CSCD 北大核心 2018年第7期11-19,65共10页
旨在从无监督聚类角度分析实体解析过程的机制。从特定类型、经典算法角度研究了无监督聚类的思路;从经典算法改进、演化分析角度研究了无监督增量聚类的思路;最后,对无监督聚类研究下一步需要解决的问题进行了展望。无监督聚类技术... 旨在从无监督聚类角度分析实体解析过程的机制。从特定类型、经典算法角度研究了无监督聚类的思路;从经典算法改进、演化分析角度研究了无监督增量聚类的思路;最后,对无监督聚类研究下一步需要解决的问题进行了展望。无监督聚类技术不仅能很好地解决传统实体解析过程中存在的聚类效率和质量问题,而且还能利用已有的聚类结果对快速演化的数据进行增量解析,进而进一步满足大数据环境下亟需的增量解析需求。没有深入分析无监督聚类算法的评价指标,尽管面向实体解析的无监督聚类方法有诸多优势,但仍然面临着准确性和可扩展性等挑战。 展开更多
关键词 实体解析 无监督聚类 无监督增量聚类
在线阅读 下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部 意见反馈