集成式位置敏感聚類
大小：0.90 MB 人氣： 2018-01-08 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：聚類(14184)
針對(duì)常用圖像聚類尤其是圖像視覺聚類方法聚類速度慢、不支持增量聚類的局限，提出了集成式位置敏感聚類方法。該方法首先根據(jù)聚類有效性指標(biāo)估計(jì)合適的聚類數(shù)目，然后生成多重哈希函數(shù)，并用它們對(duì)各數(shù)據(jù)點(diǎn)進(jìn)行映射得出多重桶標(biāo)記，再對(duì)數(shù)據(jù)集各桶標(biāo)記進(jìn)行聚類得出多個(gè)基劃分，最后對(duì)多個(gè)基劃分進(jìn)行集成得出最終劃分。實(shí)驗(yàn)結(jié)果表明，在準(zhǔn)確率方面，集成式位置敏感聚類在人工數(shù)據(jù)上與k-means結(jié)合聚類集成的方法相當(dāng)，在圖像集上與k-means結(jié)合聚類集成的方法接近。但集成式位置敏感聚類的優(yōu)點(diǎn)在于其聚類時(shí)間快、適合于增量聚類等。因此，集成式位置敏感聚類方法可以用于解決高維圖像特征聚類問題。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
集成式位置敏感聚類下載
相關(guān)電子資料下載
- 對(duì)新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類的表現(xiàn) 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級(jí)聚類算法 415
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（一） 638
- 機(jī)器學(xué)習(xí)之分類分析與聚類分析 3550