检索结果-南通市图书馆

文学港 2010年第4期 158-159页

作者：张艳霞

张三是在一年春天入住新居的。都说远亲不如近邻,张三入住后的头等大事就是去拜访对门的邻居。张三敲响了邻居家的门,当李四开了门,张三就给他介绍自己就是住在他对门的邻居。

关键词：近邻微笑远亲老师四开学校敲响头等介绍学期

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

近邻

党课参考 2018年第15期 129-129页

作者：于海林不详

近邻密度分布优化样本分配的改进DPC聚类算法

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2019年第2期47卷 98-105页

作者：纪霞张涛朱建磊刘诗诚李学俊安徽大学计算机科学与技术学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法... 详细信息

DPC算法是一种能够自动确定类簇数和类簇中心的新型密度聚类算法,但在样本分配策略上存在聚类质量不稳定的缺陷.其改进算法KNN-DPC虽然具有较好的聚类效果,但效率不高而影响实用.针对以上问题,文中提出了一种近邻密度分布优化的DPC算法.该算法在DPC算法搜索和发现样本的初始类簇中心的基础上,基于样本的密度分布采用两种样本类簇分配策略,依次将各样本分配到相应的类簇.理论分析和在经典人工数据集以及UCI真实数据集上的实验结果表明:文中提出的聚类算法能快速确定任意形状数据的类簇中心和有效地进行样本类簇分配;与DPC算法和KNN-DPC算法相比,文中算法在聚类效果与时间性能上有更好的平衡,聚类稳定性高,可适用于大规模数据集的自适应聚类分析.

关键词： DPC算法近邻密度分布聚类

在线全文

学校读者我要写书评

暂无评论

基于光滑近邻表示的基因表达数据子空间聚类

控制与决策 2017年第7期32卷 1235-1240页

作者：陈晓云林莉媛叶先宝福州大学数学与计算机科学学院福州350116 福州大学经济与管理学院福州350116

基因表达数据具有样本数少、基因维数高、非线性等特点,为能有效地处理基因表达数据,提出光滑近邻表示子空间聚类算法.利用每个数据点的近邻线性表示刻画数据集的非线性特点,并对近邻表示添加光滑约束,使数据点与近邻的距离关系嵌入到... 详细信息

基因表达数据具有样本数少、基因维数高、非线性等特点,为能有效地处理基因表达数据,提出光滑近邻表示子空间聚类算法.利用每个数据点的近邻线性表示刻画数据集的非线性特点,并对近邻表示添加光滑约束,使数据点与近邻的距离关系嵌入到该数据点的重构表示中.在基因表达数据上的实验表明,所提出的方法优于其他几个现有方法,进而表明所提出方法对基因表达数据的聚类是有效的.

关键词：基因表达数据子空间聚类光滑表示近邻

在线全文

学校读者我要写书评

暂无评论

结合紧密度和分散度的近邻亲和相似度函数

西安电子科技大学学报 2014年第3期41卷 123-130页

作者：李娟王宇平西安电子科技大学计算机学院陕西西安710071 陕西师范大学远程教育学院陕西西安710062

针对传统距离或相似度度量未考虑个体样本对整体样本集影响的情况,对K近邻算法提出了一种相似度改进策略.首先提出了一种新的亲和距离函数,以样本对整体样本集的紧密度和分散度为关注点;其次在亲和距离函数的基础上,提出了一种新的基于... 详细信息

针对传统距离或相似度度量未考虑个体样本对整体样本集影响的情况,对K近邻算法提出了一种相似度改进策略.首先提出了一种新的亲和距离函数,以样本对整体样本集的紧密度和分散度为关注点;其次在亲和距离函数的基础上,提出了一种新的基于紧密度和分散度的亲和相似度函数,并将其作为K近邻算法相似度度量函数;最后通过理论分析及18个数值类型UCI数据集,以5交叉验证模式对所提出亲和相似度函数与传统距离和相似度函数进行验证对比.实验表明,所提出方法是一种有效的相似度策略,且与高效索引算法相结合,可降低在大规模数据集的分类时间.

关键词：机器学习近邻亲和相似度分散度紧密度

济南市市中区:“我的近邻是代表” 用心履职见成效

在线全文

学校读者我要写书评

暂无评论

山东人大工作 2024年第5期 52-52页

作者：胡玉平李洋不详

近日,在济南市市中区魏家庄街道,一场皮影戏表演吸引了不少观众。这是皮影艺人们以人大代表履职故事为题材精心打造的作品,展现出了市中区人大常委会开展“我的近邻是代表”主题活动的满满成效。

关键词：皮影戏魏家庄市中区济南市履职人大常委会近邻人大代表

在线全文

学校读者我要写书评

暂无评论

一种基于近邻表示的聚类方法

软件学报 2015年第11期26卷 2847-2855页

作者：周国兵吴建鑫周嵩计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

当今社会处在信息急剧膨胀的时代,数据的规模和维度都在不断增大,传统的聚类方法有很多难以适应这一趋势.尤其是移动计算平台的高速发展,其平台自身的特性限制了算法的内存使用规模,因此,以往的很多方法若不进行改进,在这类平台上将无... 详细信息

当今社会处在信息急剧膨胀的时代,数据的规模和维度都在不断增大,传统的聚类方法有很多难以适应这一趋势.尤其是移动计算平台的高速发展,其平台自身的特性限制了算法的内存使用规模,因此,以往的很多方法若不进行改进,在这类平台上将无法运行.提出了一种基于近邻表示的聚类方法,该方法基于近邻的思想构造出新的表示形式,这种表示可以进行压缩,因此有效地减少了聚类所需要的存储开销.实现了直接对近邻表示压缩后的数据进行聚类的算法,称为Bit k-means.实验结果表明,该方法取得了较好的效果,在提高准确率的同时,大幅度降低了存储空间开销.

关键词：近邻聚类

在线全文

学校读者我要写书评

暂无评论

一种利用近邻和信息熵的主动文本标注方法

计算机研究与发展 2012年第6期49卷 1306-1312页

作者：朱岩景丽萍于剑北京交通大学计算机科学系北京100044

由于大规模标注文本数据费时费力,利用少量标注样本和大量未标注样本的半监督文本分类发展迅速.在半监督文本分类中,少量标注样本主要用来初始化分类模型,其合理性将影响最终分类模型的性能.为了使标注样本尽可能吻合原始数据的分布,提... 详细信息

由于大规模标注文本数据费时费力,利用少量标注样本和大量未标注样本的半监督文本分类发展迅速.在半监督文本分类中,少量标注样本主要用来初始化分类模型,其合理性将影响最终分类模型的性能.为了使标注样本尽可能吻合原始数据的分布,提出一种避开选择已标注样本的K近邻来抽取下一组候选标注样本的方法,使得分布在不同区域的样本有更多的标注机会.在此基础上,为了获得更多的类别信息,在候选标注样本中选择信息熵最大的样本作为最终的标注样本.真实文本数据上的实验表明了提出方法的有效性.

关键词：半监督文本分类主动学习近邻信息熵标注方法

在线全文

学校读者我要写书评

暂无评论

基于近邻的不均衡数据聚类算法

工程科学学报 2020年第9期42卷 1209-1219页

作者：武森汪玉枝高晓楠北京科技大学经济管理学院北京100083

针对经典K–means算法对不均衡数据进行聚类时产生的"均匀效应"问题,提出一种基于近邻的不均衡数据聚类算法(Clustering algorithm for imbalanced data based on nearest neighbor,CABON).CABON算法首先对数据对象进行初始聚类,通过定... 详细信息

针对经典K–means算法对不均衡数据进行聚类时产生的"均匀效应"问题,提出一种基于近邻的不均衡数据聚类算法(Clustering algorithm for imbalanced data based on nearest neighbor,CABON).CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免"均匀效应"对聚类结果的影响.将该算法与K–means、多中心的非平衡K_均值聚类方法(Imbalanced K–means clustering method with multiple centers,MC_IK)和非均匀数据的变异系数聚类算法(Coefficient of variation clustering for non-uniform data,CVCN)在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的"均匀效应",聚类效果明显优于K–means、MC_IK和CVCN算法.

关键词： K–means 均匀效应类别待定集近邻基于近邻的不均衡数据聚类算法

在线全文

学校读者我要写书评

暂无评论

近邻渐进直推式支持向量机算法

计算机工程 2008年第17期34卷 191-192,195页

作者：李云飞渭南师范学院计算机科学系渭南714000

针对渐进直推式支持向量机算法训练速度慢和学习性能不稳定的问题,提出一种近邻渐进直推式支持向量机算法。该算法利用支持向量机中支持向量信息,选择支持向量附近的无标签样本点进行标注,采用支持向量预选取的方法减少训练集的规模,提... 详细信息

针对渐进直推式支持向量机算法训练速度慢和学习性能不稳定的问题,提出一种近邻渐进直推式支持向量机算法。该算法利用支持向量机中支持向量信息,选择支持向量附近的无标签样本点进行标注,采用支持向量预选取的方法减少训练集的规模,提高算法的速度。实验结果表明了该算法的有效性。

关键词：渐进直推式支持向量机无标签样本近邻