2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩44頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、實際應(yīng)用中,子空間聚類方法可以從高維數(shù)據(jù)中尋找一個低維表示,用少量的數(shù)據(jù)就能去描述整個數(shù)據(jù)空間。這在很大程度上提升了高維數(shù)據(jù)處理的效率。目前已存在不同形式的子空間聚類方法有不同的適用環(huán)境。其中基于譜聚類的子空間聚類算法是應(yīng)用較為普遍的一類處理高維數(shù)據(jù)的聚類方法?,F(xiàn)有的基于譜聚類的子空間聚類算法通常圍繞數(shù)據(jù)的局部或全局信息去構(gòu)建數(shù)據(jù)的相似度矩陣,然后通過譜聚類對該相似度矩陣進行處理獲得最后的聚類結(jié)果。這些算法主要的差異在于構(gòu)建相似度矩陣的

2、方法。一個好的相似度矩陣往往可以更好的體現(xiàn)數(shù)據(jù)子空間結(jié)構(gòu),而有利于處理高維數(shù)據(jù)中數(shù)據(jù)可能來自多個不同子空間的復(fù)雜情況。因此,本文給出了一種基于稀疏樣本自表達模型的算法去構(gòu)建相似度矩陣。該算法主要有以下幾個創(chuàng)新點:
  1.該算法利用樣本之間固有相關(guān)性找出一組與待測樣本相關(guān)性強的樣本去度量樣本之間的相似度,以便更好的體現(xiàn)樣本之間的相似關(guān)系。
  2.該算法首先通過l1-范數(shù)對自表達矩陣進行全局稀疏,使其更能體現(xiàn)出樣本空間的低維

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論