版權(quán)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(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、伴隨互聯(lián)網(wǎng)技術(shù)的迅猛進(jìn)步，社會步入了大數(shù)據(jù)時代。人類日常生活中產(chǎn)生了大量的數(shù)據(jù)。未來，無論是在哪個領(lǐng)域，越來越多的決策將依賴于數(shù)據(jù)分析。如何合理高效地分析大量數(shù)據(jù)，找到數(shù)據(jù)背后有價值的信息，成為新的關(guān)注點。聚類集成融合了聚類以及集成學(xué)習(xí)兩種技術(shù)。使用此類模型處理問題能夠提升最終結(jié)果的準(zhǔn)確率、魯棒性以及穩(wěn)定性。集成過程中，增加半監(jiān)督信息，可以得到新的模型:半監(jiān)督聚類集成模型。在某些特定條件下，此模型獲得的聚類結(jié)果可能會優(yōu)于無監(jiān)督聚類集成模
2、型。
本文選擇近鄰傳播(AP)算法作為基聚類器，在實驗過程中，多次設(shè)置不同輸入?yún)?shù)，以此來獲得不一致的基聚類結(jié)果。隨后使用改進(jìn)的最大信息系數(shù)（RapidMic）計算各基聚類結(jié)果之間的相關(guān)性，用相似性矩陣表示。選取此矩陣來展示樣本數(shù)據(jù)集的密度關(guān)系。借助等距映射(Isomap)進(jìn)行降維，例證樣本數(shù)據(jù)的密度關(guān)系能夠透過基聚類結(jié)果來揭示。通過對密度峰值(DP)算法進(jìn)行改進(jìn)，本文設(shè)計出可以自動選取擁有較大密度峰值的幾個點作為聚類中心的k
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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
評論
0/150
提交評論