2025年1月31日
星期五
|
欢迎来到叙永县图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
兰州市科技发展计划项目(60873196)
作品数:
2
被引量:2
H指数:1
相关作者:
杨霞霞
刘利松
黄宬
闫光辉
董晓慧
更多>>
相关机构:
兰州交通大学
更多>>
发文基金:
兰州市科技发展计划项目
更多>>
相关领域:
理学
自动化与计算机技术
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
2篇
中文期刊文章
领域
1篇
自动化与计算...
1篇
理学
主题
1篇
时间序列
1篇
数据挖掘
1篇
高斯
1篇
高斯过程
1篇
半监督分类
1篇
半监督学习
1篇
超参数
机构
2篇
兰州交通大学
作者
1篇
闫光辉
1篇
黄宬
1篇
刘利松
1篇
杨霞霞
1篇
董晓慧
传媒
1篇
太原科技
1篇
电脑知识与技...
年份
2篇
2010
共
2
条 记 录,以下是 1-2
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
时间序列的快速相似性搜索改进算法
被引量:2
2010年
针对时序数据进行相似性挖掘方法的研究,提出一种寻找已知序列的所有相似性子序列的方法,用该方法对数据模拟,结果表明该算法提高了查询性能。
刘利松
闫光辉
黄宬
杨霞霞
关键词:
时间序列
数据挖掘
一种应用稀疏高斯过程回归模型的半监督分类算法
2010年
高斯过程(GPS)是一种良好的贝叶斯分类方法和回归过程,也可应用于半监督聚类方面,就此提出了一个新的算法:使用稀疏高斯过程回归模型来解决半监督二元分类问题,它是基于支持向量回归(SVR)和最大空间聚类(MMC)的半监督分类方法,此算法简单且易于实现,不同于SVR算法的稀疏解决方案。另外,超参数的估计也不再使用复杂的交叉验证技术,利用稀疏高斯回归模型有助于提高算法的可扩展性:使用合成的和真实世界的数据集初步验证了该算法的有效性。
董晓慧
柴桂荣
孟宪春
关键词:
高斯过程
半监督学习
超参数
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张