期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于宏的国际音标输入与转换方法研究 被引量:1
1
作者 王勐 杨波 马建华 《计算机应用与软件》 CSCD 北大核心 2008年第11期169-171,共3页
总结了目前音标字体的种类和音标字符的输入方法,着重讨论了在文字处理软件WORD中利用宏工具进行国际音标处理的操作过程,并在此基础上给出了一种快速转换音标字体的方法。这使得编制和交流含有音标的文档更加方便,以满足不同领域的需求。
关键词 国际音标 输入 转换
在线阅读 下载PDF
一种基于K-Means局部最优性的高效聚类算法 被引量:118
2
作者 雷小锋 谢昆青 +1 位作者 林帆 夏征义 《软件学报》 EI CSCD 北大核心 2008年第7期1683-1692,共10页
K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而,K-Means的局部最优和结果敏感性却构成了K-MeanSCAN聚类算法的基础.K-MeanSCAN算法对数据集进行多次采样... K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而,K-Means的局部最优和结果敏感性却构成了K-MeanSCAN聚类算法的基础.K-MeanSCAN算法对数据集进行多次采样和K-Means预聚类以产生多组不同的聚类结果,来自不同聚类结果的子簇之间必然会存在交集.算法的核心思想是,利用这些交集构造出关于子簇的加权连通图,并根据连通性合并子簇.理论和实验证明,K-MeanScan算法可以在很大程度上提高聚类结果的质量和算法的效率. 展开更多
关键词 K-MeanSCAN 基于密度 K-MEANS 聚类:连通性
在线阅读 下载PDF
基于时空邻域的多粒度轨迹相似性查询 被引量:2
3
作者 雷小锋 谢昆青 +1 位作者 金星星 夏征义 《计算机研究与发展》 EI CSCD 北大核心 2006年第z3期86-90,共5页
移动对象轨迹存储、管理和查询的研究已经具有相当基础,然而面向应用的移动对象运动模式分析乃至决策支持则更为人们所期待,提出基于时空邻域的多粒度轨迹相似性查询以支持其运动模式分析.直观地,如果两个移动对象在运动中频繁地出现在... 移动对象轨迹存储、管理和查询的研究已经具有相当基础,然而面向应用的移动对象运动模式分析乃至决策支持则更为人们所期待,提出基于时空邻域的多粒度轨迹相似性查询以支持其运动模式分析.直观地,如果两个移动对象在运动中频繁地出现在对方的时空范围附近,则认为二者轨迹相似,且出现得越频繁相似程度越高,即基于时空邻域的轨迹相似性测度.此外,实际中通常会在不同大小的时空邻域下评估轨迹相似性,以获得微观和宏观层面上的相似轨迹,即多粒度轨迹相似性查询.最后的实验分析也证明了基于时空邻域的多粒度轨迹相似性查询方法的有效性. 展开更多
关键词 移动对象 轨迹 相似性查询 多粒度
在线阅读 下载PDF
一种基于元启发式策略的迭代自学习K-Means算法 被引量:2
4
作者 雷小锋 杨阳 +2 位作者 张克 谢昆青 夏征义 《计算机科学》 CSCD 北大核心 2009年第7期175-178,共4页
类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表... 类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优。为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法。实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果。 展开更多
关键词 聚类问题K-Means算法 元启发式策略 迭代自学习框架
在线阅读 下载PDF
SROC:一种面向结构鲁棒性的迭代聚类方法
5
作者 雷小锋 夏征义 谢昆青 《计算机研究与发展》 EI CSCD 北大核心 2007年第z3期263-267,共5页
聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有聚类方法通常只是简单地导出假设结构下最优的聚类结果,并交付... 聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有聚类方法通常只是简单地导出假设结构下最优的聚类结果,并交付用户,缺乏对聚类结果的自省能力.实际上,聚类方法是一个不断迭代优化的过程,包括对训练数据拟合度和假设结构的迭代优化.基于上述的考虑,提出以聚类结构的鲁棒性作为聚类结果有效性的衡量指标,并将鲁棒性评估有机地整合到聚类算法的迭代优化过程中,提出一种面向结构鲁棒性的迭代聚类方法框架.此外,依托该框架下设计并实现了SROC聚类算法,通过对模拟数据和真实文档数据的聚类实验,例证了方法有效性. 展开更多
关键词 结构鲁棒性 聚类 迭代优化 有效性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部