期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于动态离差平方和准则的无监督机器学习
被引量：
10
1
作者
肖枝洪
于浩
王一超
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018年第11期134-139,186,共7页
无监督机器学习算法中的经典K-means算法,是基于局部最优的原则将观测数据进行分类,其算法严重依赖初始种子的选取,导致聚类结果的不确定性。基于经典K-means算法的不足,提出一种基于动态离差平方和的无监督机器学习算法,使得各类内观...
无监督机器学习算法中的经典K-means算法,是基于局部最优的原则将观测数据进行分类,其算法严重依赖初始种子的选取,导致聚类结果的不确定性。基于经典K-means算法的不足,提出一种基于动态离差平方和的无监督机器学习算法,使得各类内观测值的离差平方和最小,以此为划分依据,不断调整,从而对K-means算法进行改进。
展开更多
关键词
无监督机器学习
K-MEANS算法
动态离差平方和
在线阅读
下载PDF
职称材料
题名
基于动态离差平方和准则的无监督机器学习
被引量：
10
1
作者
肖枝洪
于浩
王一超
机构
重庆理工大学理学院
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018年第11期134-139,186,共7页
基金
国家统计局统计科研重点项目"多数据源整合与价值挖掘"(2014LZ25)
重庆理工大学研究生创新项目(ycx2018259)
文摘
无监督机器学习算法中的经典K-means算法,是基于局部最优的原则将观测数据进行分类,其算法严重依赖初始种子的选取,导致聚类结果的不确定性。基于经典K-means算法的不足,提出一种基于动态离差平方和的无监督机器学习算法,使得各类内观测值的离差平方和最小,以此为划分依据,不断调整,从而对K-means算法进行改进。
关键词
无监督机器学习
K-MEANS算法
动态离差平方和
Keywords
Unsupervised machine learning
the K-means algorithm
the Sum of squares of the dynamic deviations
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于动态离差平方和准则的无监督机器学习
肖枝洪
于浩
王一超
《重庆理工大学学报（自然科学）》
CAS
北大核心
2018
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
