【摘 要】
：
针对聚类集成中一致性函数设计问题,本文提出一种深度自监督聚类集成算法.该算法首先根据基聚类划分结果采用加权连通三元组算法计算样本之间的相似度矩阵,基于相似度矩阵表
【机 构】
：
山西大学 计算机与信息技术学院,山西 太原 030006;山西大学 计算智能与中文信息处理教育部重点实验室,山西 太原 030006;山西大学 计算机与信息技术学院,山西 太原 030006;山西大学
论文部分内容阅读
针对聚类集成中一致性函数设计问题,本文提出一种深度自监督聚类集成算法.该算法首先根据基聚类划分结果采用加权连通三元组算法计算样本之间的相似度矩阵,基于相似度矩阵表达邻接关系,将基聚类由特征空间中的数据表示变换至图数据表示;在此基础上,基聚类的一致性集成问题被转化为对基聚类图数据表示的图聚类问题.为此,本文利用图神经网络构造自监督聚类集成模型,一方面采用图自动编码器学习图的低维嵌入,依据低维嵌入似然分布估计聚类集成的目标分布;另一方面利用聚类集成目标对低维嵌入过程进行指导,确保模型获得的图低维嵌入与聚类集成结果是一致最优的.在大量数据集上进行了仿真实验,结果表明本文算法相比HGPA、CSPA和MCLA等算法可以进一步提高聚类集成结果的准确性.
其他文献
由于传统的农业业务系统设计独立,数据孤岛问题显著,已开始影响业务的办理效率和数据价值的应用,限制了农业智能化发展.通过对安徽省农业业务系统和数据趋势研究,应用数字化
摘 要：在中學解物理习题时，学生往往觉得难于入手，这与题中的隐含条件有关。有些解题的必要条件，题中并未明确给出，而是隐含在字里行间。如果找出这些隐含条件，利用隐含条件对题目进行梳理，就能快捷地进入解题状态。充分挖掘隐含条件、明确题目要求、采用合适的方法是解决这类题的关键。 关键词：中学物理习题；隐含条件；挖掘；方法 一、引言 在很多高中物理习题中，或多或少都有一些条件隐含在字里行间。如果
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-andexcitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交
为了适应越来越复杂的非结构化环境,设计了一种基于球铰链连接和柔性支撑杆结合的线驱动连续型机械臂,并基于常曲率模型的假设建立连续型机器人的运动学模型,研究连续型机器
结合某商业综合体实际项目,从负荷等级、供配电系统、变电所设计选址等方面探讨了商业综合体供配电设计,并阐述了一些建议,可为类似商业综合体建筑的供配电设计提供参考。