《中国人工智能学会通讯》——8.12 聚类分析
本文共 352 字，大约阅读时间需要 1 分钟。
8.12 聚类分析
聚类[24]是经典的无监督学习方法，旨在将样本分类使得同类样本间距离尽可能小，异类样本间距离尽可能大。目前已有不少用来衡量聚类结果好坏的指标，但是几乎不存在单个指标能够满足不同用户的要求。通过同时优化聚类的多个性能指标，多目标演化算法（如 PESA-II、SPEA-II、NPGA 等）已取得成功应用[25] 。比如，文献 [26] 为每一个样本赋予一个属于 {1,2,…,K} 的值，取值为 i 表示该样本属于第 i 个类，并采用多目标演化算法 PESA-II 去优化聚类的两个性能指标：
转载地址：http://rvcia.baihongyu.com/
你可能感兴趣的文章
如何申请开通微信多客服功能
查看>>
Sr_C++_Engineer_(LBS_Engine@Global Map Dept.)
查看>>
非监督学习算法：异常检测
查看>>
jquery的checkbox,radio,select等方法总结
查看>>
Linux coredump
查看>>
Ubuntu 10.04安装水晶(Mercury)无线网卡驱动
查看>>
我的友情链接
查看>>
ElasticSearch 2 (32) - 信息聚合系列之范围限定
查看>>
VS2010远程调试C#程序
查看>>
windows查看端口占用
查看>>
Yii用ajax实现无刷新检索更新CListView数据
查看>>
App 卸载记录
查看>>
JavaScript变量和作用域
查看>>
开源SIP服务器加密软件NethidPro升级
查看>>
Apache Pulsar中的地域复制，第1篇：概念和功能
查看>>
python pip install 出现 OSError: [Errno 1] Operation not permitted
查看>>
从源码分析scrollTo、scrollBy、Scroller方法的区别和作用
查看>>
ObjectOutputStream和ObjectInputStream
查看>>
南京大学周志华教授当选欧洲科学院外籍院士
查看>>
计算机网络与Internet应用
查看>>