成对约束相关论文
本文改进了半监督模糊聚类中传统的成对约束（即必须链接（must-link）和无法链接（can not-link））,提出了模糊成对约束。模糊成对约束完全摒......
针对现有的度量学习方法存在训练参数多,容易导致过拟合和鲁棒性差的问题,提出一种成对约束组合度量学习方法(pairwise constraine......
聚类集成是一个开放性的命题,旨在解决单个聚类算法对数据划分中数据结构多样性的限制。它通过集成多种聚类算法以获得共识聚类。......
半监督聚类是将半监督学习和聚类算法相结合,通过已有的先验信息指导聚类提高算法性能,在生物医学、图像处理、自然语言等领域广泛......
随着网络的迅速发展,手机等电子设备的逐渐大众化,人们时刻不停的在和外部环境交换数据,由此产生的数据资源呈现爆发式增长。海量......
本文提出了一种基于类标记和成对约束的半监督聚类算法(PLG-SSC),该算法结合了遗传算法的优势,充分利用了前面两方面的监督信......
半监督学习是一种应用驱动而产生的机器学习方法，已经成为人工智能和模式识别领域的研究热点之一。作为该领域的主要分支，半监督聚类......
网络流量特征选择方法是决定分类器差异性设计的关键,能够提高分类结果的可理解性,发现高维数据隐藏的结构;高效的流量分类有助于......
特征选择是机器学习领域的研究的重要内容之一。随着应用于机器学习领域的数据维数不断升高,数据存储、运算,都消耗了大量的计算机......
集成学习使用多个学习器来解决同一问题,能够显著提高学习系统的泛化能力,成为近年来机器学习领域中一个重要的研究方向。尽管集成......
随着二十一世纪电子商务的迅速发展，用户通过互联网进行网络购物的活动越来越频繁，这就促使人们不断改进网络服务来满足顾客的需求。......
作为一种重要的数据挖掘技术，聚类自发将相似的物体划分在一起，而将差别较大的物体划分开。传统的聚类算法基于无监督学习机制，仅依据......
在机器学习领域,有监督学习和无监督学习是两种常用的学习算法。有监督学习中学习器通过对大量有标签数据的学习,从而建立起用于预......
信息化时代的今天,网络文本呈现出海量的特性,从搜索到的海量文本中提取有效信息或获取当前热点信息,需要对文本聚类,使同一个文本......
作为数据挖掘领域中的一种重要方法,聚类分析能够发现数据对象自然的分布结构。它根据数据对象之间的相似性,把数据对象分割成簇,......
半监督学习是近年来机器学习领域中的一个重要研究方向,其监督信息的质量对半监督聚类的结果影响很大,主动学习高质量的监督信息很......
随着信息技术的快速发展,各行各业都产生了大量的高维数据,如何挖掘隐藏在高维数据中的宝贵信息是现代机器学习研究的一个热点。然......
近年来,随着多标签学习问题越来越多的出现在实际应用场景中,对多标签问题的研究已逐渐成为涉及领域内的关注热点。随着多标签领域......
针对块对角表示(block diagonal representation,BDR)子空间聚类算法在对子空间重叠的高维数据聚类时效果较差的问题,提出成对约束......
随着信息技术的更新发展,人们步入了大数据时代。人们日常生活中随时随地都在产生大量的信息数据,如何在海量的信息中获得隐藏在其......
聚类分析是一种无监督学习方法,它使得同一个簇的内部对象具有高度相似性,不同簇间的对象具有低相似性。相较于有监督学习(分类)而......
随着信息时代人们视听消费方式的逐渐改变,电视电影等视频资源的数量快速增多,同时随着视频分析技术的不断发展以及人们对自动获取......
现有的图像聚类方法以数据全局线性分布为前提,利用先验约束估计未标记数据点的低维子空间,并将其聚类到相应簇中,因此对非线性结......
聚类分析是一种重要的无监督学习方法,它在没有类标签的参与下,通过对样本集的特征衡量其相似性,并据此将样本划分成不同的簇。目......
复杂网络是从大量现实存在的复杂系统中抽象得到的,网络的整体功能体现在网络中节点间的相互作用上,社团结构是其关键性结构特征。......
聚类分析是数据挖掘中的一项重要技术,已被用来探索实际应用中各种数据的潜在类结构。由于数据的复杂性,聚类结果并不一定能满足用......
半监督聚类算法是将传统聚类中加入了半监督学习思想而形成的一种新型算法,可以运用监督信息对聚类进行引导,监督信息可以分为成对......
随着计算机存储技术的发展,日常生活中产生了海量数据。对大规模数据进行分析,从中挖掘出隐藏的有价值的信息逐渐成为当今时代的热......
半监督聚类作为一种重要的半监督机器学习算法,广泛应用于图像分割、文本处理、语音识别等领域。本文将围绕半监督聚类的噪声、成......
随着现代通信技术的高速发展,各种复杂多样的网络大数据出现在我们眼前,目前这些复杂网络是网络分析研究的热点之一。社区发现作为......
随着计算机技术和通信技术地不断发展,各行各业中积累的数据量正在日益增长,数据挖掘作为一种能从大规模数据中发现隐含知识的技术......
近年来,半监督学习因其卓越的性能逐渐受到模式识别和机器学习领域研究者的重视。半监督学习可利用的监督信息除了少量的标记样本......
在大数据时代，仅仅通过人工处理海量数据的方法往往不符合实际。为此，产生了以计算机为工具，并结合统计学等多个学科的机器学习。机器......
针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题，提出了一种基于约束得分的动态集成选择算法（dynamic ensemble s......
基分类器的差异性对于集成学习来说至关重要,从直观上讲,对约束重采样有潜力获得比对样本重采样更好的多样性.文中在典型相关分析......
期刊
针对基于约束得分的特征选择容易受成对约束的组成和基数影响的问题，提出了一种基于约束得分的动态集成选择算法（dynamic ensemble s......
现有一些典型的半监督聚类方法一方面难以有效地解决成对约束的违反问题,另一方面未能同时处理高维数据.通过提出一种基于成对约束......
针对现有的聚类集成算法大都是无监督聚类集成算法且不能很好地处理高维数据的问题,设计一种基于PCA降维技术的成对约束半监督聚类......
数据集的聚类边界不清晰时，人工免疫网络聚类使用最小生成树确定聚类数的依据往往不足。分析了问题存在的原因，提出一种基于人工免疫......
针对高维数据的聚类问题,提出一种基于间隔Fisher分析(MFA)的半监督聚类算法。该算法首先使用已标记样本进行MFA映射,得到投影矩阵......
现有的自适应亲和传播聚类存在聚类时间长、精度低的缺点,提出了一种结合半监督的改进自适应亲和传播聚类(SAAP)。它首先利用半监......
针对现有的半监督降维算法没有考虑存在于数据集中的大量未标记信息,不能得到最好的降维效果的问题,提出了一种改进的基于权值的局......
