基于半监督学习的降维算法研究姓 名刘国胜指导老师王娜 副教授选题来源国家自然科学基金项目基于成对约束的半监督谱流形非线性降维研究及应用 降维的意义数据的高维性维数灾难计算复杂性冗余性可视化数据的内在结
基于领域知识的半监督聚类算法研究:基于领域知识的半监督聚类算法研究 下载 在线阅读 收藏 导出 分享 摘要: 聚类分析是数据挖掘领域的基本方法之一,它根据数据对象之间的相似性,把数据对...|下载前务
基于相似度的社区发现分裂算法,包括GML文件的读取,相似度计算等,有实例文件可进行实验。
针对标记数据不足的多标签分类问题,提出一种新的半监督Boosting算法,即基于函数梯度下降方法给出一种半监督Boosting多标签分类的框架,并将非标记数据的条件熵作为一个正则化项引入分类模型。实验
文中详细地对近邻传播聚类算法的基本理论概念进行了阐释,并通过案例予以验证。
基于相似度的双向合并社区发现算法研究
主要对不协调决策形式背景进行了定义,给出了近似函数和近似协调集的判定定理。给出近似可辨识矩阵和近似约简的方法,通过实例验证了该方法的可行性。
一种改进的社区发现最大流算法,姚红艳,,王络社区是部分网页的集合,这些网页在社区内的链接多于它们到社区外的链接,并且使用最大流算法可以提取出网络中的一个稠密子图
针对近邻传播(Affinity Propagation,AP)聚类算法存在运算复杂度高且未考虑数据点密度对聚类效果的影响的问题,提出一种改进的近邻传播聚类算法并应用于图像分割。首先,在度量数据点之间的
基于非负的加权矩阵分解的社区发现,陈硕,刘瑞芳,社区发现是近年来复杂网络研究的一大热点。传统的社区发现仅基于网络拓扑结构中的边,而以微博为代表的社交网络不仅包含用户关系
