

已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、聚類分析是數(shù)據(jù)挖掘領域中的關鍵技術之一,具有廣泛的應用領域。隨著科技的發(fā)展,高維數(shù)據(jù)聚類的應用越來越受到科學家們的關注。相對于傳統(tǒng)聚類,高維數(shù)據(jù)聚類有更多的難點,由于高維數(shù)據(jù)集具有稀疏性,傳統(tǒng)的聚類算法在處理這類數(shù)據(jù)時往往不能獲得理想的效果。子空間聚類是實現(xiàn)高維數(shù)據(jù)聚類的有效途徑,其思想是將搜索局限在相關維度中。
在高維數(shù)據(jù)聚類中,不同聚簇經(jīng)常與不同的維度集合相關聯(lián)。這樣的維度集合被稱為子空間。在不同的子空間中尋找不同聚簇的問
2、題被稱為子空間聚類。這種聚類經(jīng)常很富有挑戰(zhàn)性,因為尋找子空間的過程和探測聚簇的過程經(jīng)常是循環(huán)依賴的?,F(xiàn)在的算法或者枚舉所有可能的子空間或者基于一種局部假設。然而前者的時間復雜度很高,后者的局部假設在很多實際應用中并不正確。目前似乎除了這兩種方法以外沒有別的方法能夠打破這種循環(huán)依賴問題。然而,本文中提出了引入額外的約束信息來打破這種循環(huán)依賴的方法。在本文中本文提出的基于模型的半監(jiān)督子空間聚類算法(MSSC)充分地利用約束信息發(fā)現(xiàn)子空間并且
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于空間約束的半監(jiān)督子空間聚類算法.pdf
- 基于半監(jiān)督的GN聚類算法研究.pdf
- 基于密度的子空間聚類算法研究.pdf
- 基于最小類間距的半監(jiān)督聚類算法研究.pdf
- 基于凸殼的半監(jiān)督聚類算法研究.pdf
- 基于半監(jiān)督聚類的圖像分割算法研究.pdf
- 基于領域知識的半監(jiān)督聚類算法研究.pdf
- 基于半監(jiān)督的高維聚類算法研究.pdf
- 半監(jiān)督譜聚類算法的研究
- 基于半監(jiān)督聚類算法的研究與應用.pdf
- 半監(jiān)督聚類集成模型研究.pdf
- 半監(jiān)督譜聚類算法的研究.pdf
- 基于種子對象約束的半監(jiān)督聚類算法研究.pdf
- 基于密度的半監(jiān)督復雜網(wǎng)絡聚類算法研究.pdf
- 基于半監(jiān)督聚類的入侵檢測算法研究.pdf
- 基于主動學習的半監(jiān)督譜聚類算法研究.pdf
- 約束子空間聚類算法研究.pdf
- 半監(jiān)督聚類與分類算法研究.pdf
- 基于成對約束的半監(jiān)督文本聚類算法研究.pdf
- 基于半監(jiān)督聚類的織物圖像分割算法研究.pdf
評論
0/150
提交評論