核聚类相关论文
深度卷积神经网络（CNNs）的强大性能是依赖于其庞大的参数量和计算量而产生的,但是这两个特点反而成为了限制卷积神经网络的进一步发......
该文主要研究基于核函数的机器学习方法(以下简称核学习方法)的理论、算法和应用.针对目前核学习方法中存在的一些问题:如何提高现......
入侵检测技术能够根据入侵行为的踪迹和规律发现入侵行为,是一种主动的网络安全保障措施。本文在分析比较了基于数据挖掘的入侵检......
支持向量机是目前比较流行的机器学习算法，可以较好地解决小样本、非线性和局部极小点等实际问题，并且能够高效地处理平衡数据集分类......
离群点挖掘作为数据挖掘的重要组成部分,能够从大量复杂的数据中找到小部分与其他数据相比最不一致、显著异常的数据点,这些异常点......
聚类是机器学习中一种无监督学习算法,它已成功地应用于诸多领域,如数据挖掘、机器学习、图像处理和生物学等。聚类的过程是将数据......
入侵检测作为一种动态的网络安防手段,可以有效地保护计算机系统和网络免受入侵,并与静态安防手段相辅相成,共同构成网络安全防线......
近些年来,计算机视觉技术飞速发展,图像分类作为经典问题一直被研究学者所关注。与此同时,在图像特征表示方面,研究者们提出了多种......
半监督学习是机器学习中重要的研究方向。众所周知,大量标记样本能够有助于提高学习器性能,但是收集大量标记样本是耗时耗力的,半......
为处理线性不可分、结构复杂的数据集,提出基于核聚类的K-均值聚类(Kernel Clustering-based K-means Clustering,KCKC).该方法先......
核向量机可以高效学习大样本数据集,却有泛化能力低的缺陷.针对已有参数C选择算法缺乏启发性以及选取困难的不足,本文在分析了核聚......
提出了一种基于分水岭变换和核聚类算法的图像分割算法.通过分水岭变换把图像分割成多个小区域,为实现过分割小区域的合并,利用M e......
