譜聚類(spectral clustering)是2018年公布的計算機科學技術名詞。
基本介紹
- 中文名:譜聚類
- 外文名:spectral clustering
- 所屬學科:計算機科學技術
- 公布時間:2018年

譜聚類(spectral clustering)是2018年公布的計算機科學技術名詞。
譜聚類(spectral clustering)是2018年公布的計算機科學技術名詞。定義由給定的樣本數據集定義一個數據點對相似度的矩陣,並計算相關矩陣的特徵值和特徵向量,選擇合適的特徵向量來聚類不同的數據點的方法。出處...
譜聚類算法建立在譜圖理論基礎上,與傳統的聚類算法相比,它具有能在任意形狀的樣本空間上聚類且收斂於全局最優解的優點。該算法首先根據給定的樣本數據集定義一個描述成對數據點相似度的親合矩陣,並且計算矩陣的特徵值和特徵向量 , ...
譜聚類是解決圖像分割問題的有效方法之一,本項目充分利用圖像本身蘊含的空間信息和用戶提供的少量監督信息構建相似性測度,旨在解決譜聚類在含噪圖像上的分割問題,因此開展本項目的研究具有一定的理論意義和套用價值。結題摘要 譜聚類算法...
建立合理的圖論模型(修正圖);然後在修正圖上套用譜聚類算法將圖的節點聚類,獲得解列策略;2、研究和改進主動解列問題的目標函式和約束條件,從源頭上確保解列策略的合理性;3、研究如何通過分析圖的特徵向量來改進和提高聚類算法本身的...
以矩陣擾動理論為工具證明了多路歸一化割譜聚類方法的合理性;提出了譜聚類中基於穩定性的非唯一聚類數目估計方法;給出了譜聚類中包含聚類信息的特徵向量組自動選取方法;設計了基於成分分析的單變數時間序列譜聚類算法;運用譜聚類方法和...
(2) 提出利用譜聚類方法快速提取版圖中關鍵特徵圖,並將圖的譜作為支持向量機特徵來檢測關鍵特徵圖,實現光刻熱點檢測。 (3) 提出利用圖的譜理論中的最小染色數的界,在設計早期衡量版圖是否適合多次曝光工藝。並提出用譜聚類方法求解...
m逼近策略的快速譜聚類算法,並在最後通過實驗對提出算法的有效性進行了驗證。第6章提出一種基於快速譜聚類的圖像分割算法MTFSCA,算法效率得到明顯提高。第7章提出MSMEAP算法,實驗結果證明該算法能有效實現大規模圖像數據的快速分割,分割...
在第四版中增加了一些全新方法,具體有:半監督學習、非線性降維技術和譜聚類。內容簡介 《模式識別(第4版)》全面闡述了模式識別的基礎理論、全新方法以及各種套用。模式識別是信息科學和人工智慧的重要組成部分,主要套用領域有圖像分析...
依據對動態演化信息的建模,主要提出:(1)基於進化流形排序的動態話題相關內容選擇算法;(2)時序譜聚類增強的動態話題相關內容選擇最佳化;(3)發展特徵向量最佳化選擇的時序譜聚類算法來改進內容選擇。由此發展在時序信息演化背景下新的流形...
3.4 基於MFD+譜聚類+SVM的交通狀態判別方法 3.4.1 譜聚類算法與SVM算法簡介 3.4.2 基於MFD的交通狀態判別方法 3.4.3 基於MFD+譜聚類+SVM的路網交通狀態判別方法 3.5 實證分析 3.5.1 基於MFD的聯網車最小覆蓋率確定結果 3...
我們提出了基於三次譜聚類的聚類集成框架(SC3)和基於兩次譜聚類的聚類集成框架,基於專家知識的聚類集成算法,基於機率子空間的聚類集成框架,將其套用在癌症數據上,用於診斷治療。 此外,我們在圖像內容認證、機器學習與分類、圖像檢索...
具體內容涉及回歸分析(線性回歸、多項式回歸、非線性回歸、嶺回歸,LASSO、彈性網路,以及RANSAC等)、分類(感知機、邏輯回歸、樸素貝葉斯、決策樹、支持向量機、人工神經網路等)、聚類(K均值、EM算法、密度聚類、層次聚類,以及譜聚類等...
第7章 流形學習與譜圖學習 166 7.1 流形學習的基本概念 166 7.2 流形學習的降維方法分類 167 7.2.1 構建關係矩陣的方法 167 7.2.2 基於局部模型的全局坐標對齊方法 172 7.2.3 十二種流形降維方法的比較 175 7.3 譜聚類 ...
本課題提出了基於混合編程模型的支持向量機訓練並行化和CPU-GPU異構計算環境下的並行T近鄰譜聚類算法PSCH,實現了計算任務的合理劃分,取得了良好的加速效果。 第二,本課題研究了異構系統上的任務調度算法,提出了表調度和任務複製相結合的...
