基于貝葉斯概率估計的類屬數據聚類算法
大小：0.90 MB 人氣：0 2017-12-04 需要積分：1
針對類屬型數據聚類中對象間距離函數定義的困難問題，提出一種基于貝葉斯概率估計的類屬數據聚類算法。首先，提出一種屬性加權的概率模型，在這個模型中每個類屬屬性被賦予一個反映其重要性的權重；其次，經過貝葉斯公式的變換，定義了基于最大似然估計的聚類優化目標函數，并提出了一種基于劃分的聚類算法，該算法不再依賴于對象間的距離，而是根據對象與數據集劃分間的加權似然進行聚類；第三，推導了計算屬性權重的表達式，得出了類屬型屬性權重與其符號分布的信息熵成反比的結論。在實際數據和合成數據集上進行了實驗，結果表明，與基于距離的現有聚類算法相比，所提算法提高了聚類精度，特別是在生物信息學數據上取得了5% - 48%的提升幅度，并可以獲得有實際意義的屬性加權結果。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于貝葉斯概率估計的類屬數據聚類算法下載
相關電子資料下載
- 3.GraphSAGE[9]：generalized aggregation方法 322
- 貝葉斯優化是干什么的(原理解讀) 684
- 貝葉斯深度學習介紹 425
- 關于貝葉斯概念進行形式化的建模和推理 319
- 貝葉斯網絡的因果關系檢測(Python) 572
- 基于K-means聚類算法的圖像分割 1113
- 什么是卡爾曼濾波？卡爾曼濾波過程步驟 1764
- 機器學習4個超參數調優方法 403
- 機器學習theta是什么？機器學習tpe是什么？ 1418
- 介紹一種基于最小化平方誤差的聚類算法 498