论文研究基于特征选择与谱聚类的视觉词典构建算法.pdf

为了解决高维数据在分类时导致的维数灾难，降维是数据预处理阶段的主要步骤。基于稀疏学习进行特征选择是目前的研究热点。针对现实中大量非线性可分问题，借助核技巧，将非线性可分的数据样本映射到核空间，以解决特

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

传统根据[K]-近邻图计算测地距离的方法，虽然能够发现流形分布数据间的相似关系，但是当不同类的点存在粘连关系时，依此计算相似度时不能体现样本间的真实关系，从而无法有效聚类。针对传统测地距离计算相似度的

目前的文本特征生成算法一般采用加权的文本向量空间模型,该模型使用TF-IDF评价函数来计算单个特征的权值,这种算法生成的文本特征冗余度往往都比较高。针对这一问题,采用了一种基于聚类加权的文本特征生成算

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行

针对医学X胸片影像对比度低，视觉效果差，不利于临床医师对X胸片肺部节点进行检诊的问题，在对X胸片肺部节点图像特点以及传统拉普拉斯高斯图像增强算子深入分析的基础上，提出一种基于视觉及方向尺度拉普拉斯高斯

引入遗传算法试图解决海量、高维样本的聚类问题。分析了目前基于样本和属性值两类基于遗传算法的聚类算法的不足，归纳出它们的算法模型。针对多维快速聚类问题提出了密度法、网格法两种基于遗传算法的聚类算法。算法

Birch聚类算法分析与改进，杨阳，黄炳洁，Birch算法是典型的层次聚类算法，适用于大规模数据集的处理，本文分析了Birch算法的具体实现过程，着重对其核心CF和CFTree作了讨论，��

基于结构特征聚类的相似代码检索方法，王克朝，王甜甜，针对基于图的相似代码检测方法复杂度高、对代码多样化识别能力有限等问题，提出基于结构特征聚类的方法。首先将代码表示为控制依

通过对Web日志的聚类分析，可以发现用户的群体特征，甚至可以预测用户将来的访问模式，进而为不同的用户群提供个性化服务。针对现有方法的一般缺陷，包括特征选择单一无法充分体现用户兴趣偏好和传统Hierar