检索结果-内蒙古大学图书馆

计算机研究与发展 2010年第8期47卷 1372-1381页

作者：凌萍王喆周春光黄岚符号计算与知识工程教育部重点实验室（吉林大学）长春130012 徐州师范大学计算机科学与技术学院江苏徐州221116

针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生... 详细信息

针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.

关键词：支持向量聚类简约策略薛定谔方程新的簇划分方法特征空间几何性质

来源：评论

学校读者我要写书评

暂无评论

简约支持向量聚类

简约支持向量聚类

引用

第三届中国数据挖掘学术会议(CCDM2009)

作者：凌萍周春光吉林大学计算机科学与技术学院教育部符号计算与知识工程重点实验室吉林长春 130012 徐州师范大学计算机科学与技术学院江苏徐州 221116 吉林大学计算机科学与技术学院教育部符号计算与知识工程重点实验室吉林长春 130012

针对传统支持向量聚类(Support Vector ***)的高耗费和低性能弊端,提出了简约支持向量聚类算法(Reduced Support Vector ***).RSVC的核心是简约策略和新的簇划分方法.前者提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完... 详细信息

针对传统支持向量聚类(Support Vector ***)的高耗费和低性能弊端,提出了简约支持向量聚类算法(Reduced Support Vector ***).RSVC的核心是简约策略和新的簇划分方法.前者提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者根据核函数特征空间的几何性质完成数据类别的指定.相关几何性质也给予了证明,以保证方法的有效性.理论分析和实验结果表明,RSVC可有效解决两个弊端,优于同类算法,并取得良好的聚类效果.

关键词：支持向量聚类简约策略薛定谔方程新的簇划分方法特征空间几何性质

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：