基于近鄰傳播的遷移聚類(lèi)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
在目標(biāo)域可利用數(shù)據(jù)匱乏的場(chǎng)景下，傳統(tǒng)聚類(lèi)算法的性能往往會(huì)下降，在該場(chǎng)景下，通過(guò)抽取源域中的有用知識(shí)用于指導(dǎo)目標(biāo)域?qū)W習(xí)以得到更為合適的類(lèi)別信息和聚類(lèi)性能，是一種有效的學(xué)習(xí)策略．借此提出一種基于近鄰傳播的遷移聚類(lèi)（transfer affinity propagation，簡(jiǎn)稱(chēng)TAP）算法，在源域和目標(biāo)域數(shù)據(jù)分布相似的情況下，通過(guò)引入遷移學(xué)習(xí)機(jī)制來(lái)改善近鄰傳播聚類(lèi)（affinity propagation，簡(jiǎn)稱(chēng)AP）算法在數(shù)據(jù)匱乏場(chǎng)景下的聚類(lèi)性能，為保證遷移的有效性，TAP在綜合考慮源域和目標(biāo)域的統(tǒng)計(jì)特性及幾何特征的基礎(chǔ)上改進(jìn)AP算法中的消息傳遞機(jī)制使其具備遷移能力，從而達(dá)到輔助目標(biāo)域?qū)W習(xí)的目的．此外，通過(guò)TAP對(duì)應(yīng)的因子圖，亦可說(shuō)明TAP可以以類(lèi)似AP的消息傳遞機(jī)制，在目標(biāo)域數(shù)據(jù)匱乏的情況下進(jìn)行高效的知識(shí)遷移，為最終所獲得的聚類(lèi)結(jié)果提供了保證．在模擬數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上的仿真實(shí)驗(yàn)結(jié)果顯示，所提出的算法較之經(jīng)典AP算法在處理非充分?jǐn)?shù)據(jù)聚類(lèi)任務(wù)時(shí)具有更佳的性能．
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于近鄰傳播的遷移聚類(lèi)算法下載
相關(guān)電子資料下載
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 如何在 Python 中安裝和使用頂級(jí)聚類(lèi)算法 415
- 10種聚類(lèi)算法和Python代碼4 1118
- 10種聚類(lèi)算法和Python代碼3 960
- 10種聚類(lèi)算法和Python代碼2 796
- 10種聚類(lèi)算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺(jué)新范式！COCs：將圖像視為點(diǎn)集 636
- 10種頂流聚類(lèi)算法Python實(shí)現(xiàn)（附完整代碼） 993