监督聚类
监督聚类，作为一种结合了监督学习与无监督聚类优势的先进数据分析技术，在模式识别、图像处理及信号分析等领域展现出卓越性能。通过引入部分标签信息指导聚类过程，它能够更准确地发现数据内在结构，特别适用于复杂环境下的分类任务优化。对于电子工程师而言，掌握监督聚类不仅有助于提升算法设计能力，还能在智能系统开发...
资源总数
500
监督聚类 热门资料
查看全部 500 份 →半监督聚类中基于密度的约束扩展方法
现有的半监督聚类方法较少利用数据集空间结构信息，限制了聚类算法的性能。该文提出一种基于密度的约束扩展方法(DCE)，将数据集以图的形式表达，定义一种基于密度的图形相似度。根据样本点间的距离和相似度关系
2023-12-22
2
中心点漂移是一种非监督聚类算法（与k-means算法相似
中心点漂移是一种非监督聚类算法（与k-means算法相似，但应用范围更广些),可用于图像分割，基于Matlab实现的源码。 MedoidShift is a unsupervised clustering algorithm(simila...
2016-03-28
85