论文研究 一种基于形式规约说明的类测试框架 .pdf

为提高视频语义信息提取准确率, 提出了一种基于多模态特征的新闻视频语义提取框架。在视频中提取主题字幕信息, 对音频进行分类和语音识别, 根据主题字幕信息借助搜索引擎得到与新闻视频相关的网页; 最后利用

提出了一种新的动态模糊自组织神经网络模型(TGFCM)，并将其用于文本聚类中。针对传统模糊自组织神经网络需要预先确定聚类数的问题，TGFCM采用了可自动确定聚类数的动态自组织神经网络(TGSOM)的结

传统的快速聚类算法大多基于模糊C均值算法（FuzzyC-means，FCM），而FCM对初始聚类中心敏感，对噪音数据敏感并且容易收敛到局部极小值，因而聚类准确率不高。可能性C-均值聚类较好地解决了FC

近年来,谱聚类因其深厚的理论基础而在机器学习和数据挖掘领域中引起了广泛的关注。针对谱聚类算法中采用Laplacian矩阵时无法获得较好的图切判据,通过引入p-Laplacian算子,提出了一种基于p-

一种基于约束的半监督聚类查询扩展方法，杨静，刘宁，针对伪相关反馈模型反馈文档信息质量差和扩展词选择不适产生的漂移现象等问题，提出了一种基于约束的半监督聚类查询扩展方法。该

针对粒子群算法容易陷入局部最优解，将遗传算法的交叉和变异引入到粒子群算法中。根据不同的收敛情况及交叉和变异的特点使用两种算子，提出一种既能预防陷入局部最优解又能跳出局部最优解的混合粒子群算法，将该算法

针对模糊C-均值聚类对初始值敏感、容易陷入局部最优的缺陷，提出了一种基于萤火虫算法的模糊聚类方法。该方法结合萤火虫算法良好的全局寻优能力和模糊C-均值算法的较强的局部搜索特性，用萤火虫算法优化搜索FC

针对许多经典的图聚类算法存在输入参数难以确定、时间复杂度过高、聚类精度较低等缺点，提出了一种无须输入参数的基于核心顶点的图聚类算法（NGCC）。该算法将相似的顶点分配到同一个簇后，再利用PageRa

针对基于密度的聚类方法不能发现密度分布不均的数据样本的缺陷，提出了一种基于代表点和点密度的聚类算法。算法通过检查数据库中每个点的k近邻来寻找聚类。首先选取一个种子点作为类的第一个代表点，其k近邻为其代

通过引入聚类竞争机制，提出了一种基于免疫聚类竞争的关联规则挖掘算法。将数据原始记录和候选模式分别作为抗原和识别抗体，通过聚类竞争加速克隆扩增，提高抗体成熟力及亲和性，增强候选模式支持度。实验及应用表明