您的位置: 专家智库 > >

江苏省高校自然科学研究项目(13KJB520004)

作品数:3 被引量:4H指数:1
相关作者:於跃成生佳根刘彩生邹晓华程瑞更多>>
相关机构:江苏科技大学中国民航大学更多>>
发文基金:江苏省高校自然科学研究项目国家自然科学基金江苏省自然科学基金更多>>
相关领域:自然科学总论自动化与计算机技术理学更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 1篇自动化与计算...
  • 1篇自然科学总论
  • 1篇理学

主题

  • 2篇聚类
  • 2篇混合模型
  • 2篇高斯
  • 2篇高斯混合
  • 2篇高斯混合模型
  • 1篇大学生
  • 1篇约束聚类
  • 1篇正则
  • 1篇正则化
  • 1篇手机依赖
  • 1篇似然
  • 1篇似然函数
  • 1篇聚类分析
  • 1篇分布式
  • 1篇分布式聚类
  • 1篇惩罚
  • 1篇粗糙集
  • 1篇粗糙集理论

机构

  • 3篇江苏科技大学
  • 1篇中国民航大学

作者

  • 2篇生佳根
  • 2篇於跃成
  • 1篇刘彩生
  • 1篇徐维艳
  • 1篇邹晓华
  • 1篇孙波
  • 1篇程瑞

传媒

  • 1篇系统工程与电...
  • 1篇淮海工学院学...
  • 1篇南京理工大学...

年份

  • 2篇2014
  • 1篇2013
3 条 记 录,以下是 1-3
排序方式:
分布式约束一致高斯混合模型被引量:3
2013年
为有效提高非球形分布式水平划分数据集的聚类质量,提出了一种分布式约束一致高斯混合模型(DCCGMM)。DCCGMM以高斯混合模型(GMM)作为数据集的描述模型,通过约束一致正则化算子将约束信息引入GMM,使得DCCGMM的估计参数既能反映样本数据的潜在概率分布,又能包含用户的先验知识,同时所有参数均能以封闭的解析表达式进行估计。通过设计相应的用户站点传递参数,DCCGMM可以应用于分布式聚类。实验结果表明:相比于以K-means为基本算法的分布式聚类方法,该算法在聚类非球形数据时具有更好的适应性,其聚类精度优于没有使用约束信息的分布式期望最大化(EM)算法,全局平均聚类精度分别提高9%至20%。
於跃成刘彩生生佳根
关键词:高斯混合模型分布式聚类
基于约束正则化的生成聚类分析被引量:1
2014年
基于现有的硬约束高斯混合模型不能处理约束违反情形,而软约束高斯混合模型又没有封闭的参数估计表达式,提出了一种基于约束正则化的生成聚类方法。该方法将约束一致正则化算子引入高斯混合模型,通过惩罚似然来处理约束违反,使满足正约束的成对样本的后验概率尽可能相似,满足负约束的成对样本的后验概率尽可能不相似;同时封闭的参数估计迭代公式降低了参数估计的计算复杂度。在一组真实数据集上的实验表明,与现有的相关方法相比,该方法能有效改善聚类性能,并对噪音约束有着更好的适应性。
於跃成生佳根邹晓华
关键词:约束聚类高斯混合模型聚类分析
基于粗糙集理论的大学生手机依赖因素分析
2014年
智能手机在大学生中的广泛普及,使越来越多的学生沉迷于手机的各种娱乐功能,因此患上手机依赖综合症,严重影响了学业.基于粗糙集理论,通过对大学生手机使用情况的现状调查分析,设计并实现知识获取和约简的方法,对影响学生手机使用的多个要素进行分析,获取学生手机依赖的决策规则.最后给出一种启发式属性约简算法,以获取简化的决策规则,为指导大学生合理使用手机提供可靠的借鉴依据.
徐维艳林梦云程瑞孙波
关键词:粗糙集手机依赖
共1页<1>
聚类工具0