排序方式: 共有19条查询结果,搜索用时 281 毫秒
1.
基于k-means和半监督机制的单类中心学习算法 总被引:2,自引:0,他引:2
提出了一个基于k means算法框架和半监督机制的single means算法,以解决单类中心学习问题。k means算法实质上是对一种混合高斯模型的期望最大化(EM)算法的近似,对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心。将single means算法应用到对单类文本中心学习问题中,实验结果表明:在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性。 相似文献
2.
3.
4.
当前主流的搜索引擎主要是以与用户查询的相关度来顺序返回搜索结果的,用户往往需要花费较长的时间从结果列表中进行选择.为了解决这个问题,针对搜索引擎返回的标题和摘要信息,构造有向图表示,并在此基础上实现了一种高效的网页聚类原型系统(efficient web clustering system,EWCS).该系统将搜索引擎返回的结果按照一定的标准分类呈现给用户,用户选择感兴趣的类别进行浏览,从而较好地满足了用户对查询速度和准确度的需求.试验结果表明该算法具有一定的可行性和较高的准确率. 相似文献
5.
6.
基于加强贝叶斯分类的手写体数字识别 总被引:1,自引:0,他引:1
提出了一种手写体数字识别的新方案.在方案中,设计了一种加强贝叶斯分类器,该分类器可以对训练集进行反馈式学习.经过一定强度的训练,能够对测试过程加以监督和修正.通过对实际样本的测试证实该方法的有效性. 相似文献
7.
8.
9.
10.