论文研究基于离散度量的半监督分类算法.pdf

基于改进信息熵离散化算法的研究,陈臣,周炎涛,本文研究连续属性的离散化问题。首先,详细介绍了基于熵的离散化算法(EBD),并对其存在的问题进行了分析。随后,给出了用于度量区�

在综合考虑算法效率与效用性的基础上提出了一种新的有界半朴素贝叶斯分类(bounded seminaive Bayesian classifier,BSNBC)算法。传统的SNBC仅能将两个属性构成一

K近邻算法（Knearest neighbor, KNN）是一种思路简单、易于掌握、分类效果显著的算法。决定K近邻算法分类效果关键因素之一就是距离的度量，欧氏距离经常作为K近邻算法中度量函数，

这篇论文介绍了一种基于混合张量网络的新型高光谱图像分类方法，可以在全监督和半监督学习场景下进行有效分类。该方法结合了稀疏张量分解和深度学习，充分利用了高光谱图像的结构性和光谱特征。实验结果表明，该方法

一种半监督的多标签Boosting分类算法-，适合半监督adaboost的资源，科研资源

遥感原理与制图; 参数型分类算法假设一个特定的类别的统计分布一般为正态分布然后估计这个分布的参量以用于分类算法中;01.参数型分类算法; 非参数型分类算法是对类的分布不做假设常用算法平行六面体法; 平

标题分类是对一个标题性语句进行分类,通常这个标题是不超过20个字的短文本,内容精炼且概括性强。针对标题文本的特征稀疏性和含义不确定性,提出了一种融合随机森林与贝叶斯多项式的标题分类算法。该算法将贝叶斯

基于约束不一致性的半监督特征选择算法，邱杨，张宪超，选择相关的特征是特征选择算法中一个具有挑战性的问题。本文通过利用领域内的先验知识，提出了新的有效的半监督特征选择算法。本

为了提高文本分类性能，提出一种基于受限约束范围标签传播的半监督学习算法。首先利用相似性矩阵计算得出概率转移矩阵，进而通过概率转移矩阵得出受限约束范围；然后在约束范围内利用半监督学习框架下的标签传播算法

网络表示学习是一个重要的研究课题，其目的是将高维的属性网络表示为低维稠密的向量，为下一步任务提供有效特征表示。最近提出的属性网络表示学习模型SNE（Social Network Embedding）同