搜索资源列表
一种中文文本聚类的研究.rar
- 这里设计了一个中文文本聚类模型CTCMCChinese'Pext Clustering Model)，并针对模型中涉及到的特征表示、特征提取、特征向量调整和聚类算法等问题进行了研究。
FaceDe
- 基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig
Support-vector-machine-
- 利用谱聚类方法在特 征向量空间中对原始样本数据进行重新表述使得在新表述中同一聚类中的样本能够更好地积聚在一起构建聚类核函数 并进而构造聚类核半监督支持向量机 使样本更好地满足半监督学习必须遵循的聚类假设 -Restated in the new formulation in the same cluster sample be better able to accumulate together to build the clustering of nuclear function and
word2vec
- word2vec：谷歌的开源项目，实现从词语到向量的转换（word to vector），Linux系统下运行，需要较大规模的语料资源用作训练才能体现出很好的效果（中英文均可），并且可以实现测量两个词语之间的距离（cos值表示），词语聚类等。-word2vec: Google' s open-source projects, a word-to-vector conversion (word to vector) running under Linux system, requires
DBSCAN
- dbscan聚类考虑特征相似度的具有噪声的基于密度的聚类(DBSCAN)改进算法. 其次,基于各类参数向量簇的各属性最大相似系数,计算获得各类参数向量簇的典型特征向量. 然后,基于各类的典型 特征向量,针对聚类结果中的噪声簇,提出了基于离群系数的可疑不良数据分布模型 在此基础上,结合分布规律,提出了基于可疑度的不良参数判别方法. 最后,通过实际算例验证了所述模型与方法的有效性.-Dbscan u806A u8003 u8651 u7279 u5F1 u7F8 u4F3C u5