摘要： 聚类分析计算方法主要有如下几种：1. 划分法(partitioning methods) 给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：（1） 每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；对于给定的K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每一次改进之后的分组方案都较前一次好，而所谓好的标准就是：同一分组中的记录越近越好，而不同分组中的纪录越远越好。使用这个基本思想的算法有：K-MEANS算法、K-MEDOID 阅读全文

摘要： 一.系统聚类法1.基本思想将模式样本按距离准则逐步分类，类别由多到少，直到获得合适的分类要求为止。算法：第一步：设初始模式样本共有N个，每个样本自成一类，即建立N类，。计算各类之间的距离（初始时即为各样本间的距离），得到一个N*N维的距离矩阵D(0)。这里，标号(0)表示聚类开始运算前的状态。第二步：假设前一步聚类运算中已求得距离矩阵D(n)，n为逐次聚类合并的次数，则求D(n)中的最小元素。如果它是Gi(n)和Gj(n)两类之间的距离，则将Gi(n)和Gj(n)两类合并为一类，由此建立新的分类：。第三步：计算合并后新类别之间的距离，得D(n+1)。计算与其它没有发生合并的之间的距离，可采用多 阅读全文

摘要： http://blog.sina.com.cn/s/blog_627a4f560100xmj1.html在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下：监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。非监督学习：直接对输入数据集进行建模，例如聚类。半监督学习：综合利用有类标的数据和没 阅读全文

摘要： 本文介绍了基于复杂网络的自动文本摘要的方法。 具体分为四步骤： 1 将文章进行预处理，根据句子分隔符将句子分开，并将名词提取出。 2 根据文章构建成两个N*N的矩阵，一个是表示邻接关系的矩阵，一个是表示权重的矩阵，分别叫做A和W，N为句子的个数。 3 计算节点的值 4 根据一定的算法将句子进行排序，然后取出前n个句子组成摘要。 文中提出了7种网络测量的算法和14中句子排序算法，具体介绍如下： 1Degree strategies: CN-Degree and CN-Strength 根据与节点i相连的节点的个数作为节点i的值，即Ki = ∑aij，aij为矩阵A中的元素... 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文

该文被密码保护。 阅读全文