极大熵聚类相关论文
实际生活中收集到的数据往往具有不精确性、模糊性、稀疏性以及标签不足等质量问题,而这些将导致从数据中获取知识的不确性问题更......
【摘要】针对极大熵聚类算法未必能收敛到全局最优解问题，本文借助差分进化算法的全局寻优能力，对目标函数进行有效优化，提出一种基于......
为了调控数据之间的差异性,一般化的处理方式是对数据简单地进行按比例缩放,而此类做法本身对于数据的信息是不存在任何破坏的。但......
聚类是一门非常重要的技术。所谓聚类就是按照某种度量（相似性度量、不相似性度量或距离）,根据一定的准则将个体集合分成若干类,使得......
现有成对约束半监督聚类算法(CE-sSC)克服了极大熵聚类(MEC)算法不能利用样本成对约束信息的缺点,但CE-sSC算法的惩罚项中各熵项之......
该方法针对当前大部分工程风险预警模型只能报警，不能预测的现状，提出了基于熵最优化的工程项目风险预警方法．利用判别熵最小化选取项......
云任务-资源匹配环节脱节是云端融合过程的突出问题,针对该问题,考虑任务和资源的双边满意度,提出一种基于改进知识迁移极大熵聚类......
本文研究了一种新型的基于知识迁移的极大熵聚类技术。拟解决两大挑战性问题:1)如何从源域中选择合适的知识对目标域进行迁移学习......
针对极大熵聚类算法在处理多视角聚类任务时存在的局限性,引入划分融合和视角加权技术,提出一种改进的极大熵聚类算法。通过对视角......
基于功效散度和成对约束的半监督聚类算法(PD-sSC)将相对熵推广到功效散度(PD)族,剔除了目标函数中不同惩罚熵项之间的干扰,提高了......
