基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来符号数据的无监督学习在模式识别、机器学习、数据挖掘和知识发现等诸多领域扮演着越来越重要的角色.然而现有的针对符号数据的聚类算法(经典的K-modes系列算法等),相比数值型数据的聚类算法,在性能方面仍然有很大的提升空间.其根本原因在于符号数据缺乏类似数值数据那样清晰的空间结构.为了能够有效地发掘符号数据内在的空间结构,采用了一种全新的数据表示方案:空间变换方法.该方法将符号数据映射到相应的由原来的属性组成的新的维度的欧氏空间中.在这一框架的基础上,为了找到符号数据更有代表性的模式,结合Carreira-Perpifán提出的K-modes算法进行无监督学习.在9个常用的UCI符号数据集上进行了测试,与传统的符号数据聚类算法进行了实验比较,结果表明几乎在所有的数据集上提出的方法都是更加有效的.
推荐文章
基于半监督学习的一种图像检索方法
基于内容的图像检索
半监督学习
图像特征
相关度
查准率—查全率曲线
一种基于半监督学习的应用层流量分类方法
流量分类
半监督学习
特征选择
基于无监督学习的行人检测算法
行人检测
无监督
稀疏编码
非线性变换
非极大值抑制
一种支持无符号数的流水线乘法器
乘法器
Booth算法
Wallace树
流水线
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 符号数据的无监督学习:一种空间变换方法
来源期刊 计算机科学 学科 工学
关键词 符号数据 数据表示方案 空间变换
年,卷(期) 2016,(1) 所属期刊栏目 第五届全国智能信息处理学术会议
研究方向 页码范围 89-93,121
页数 6页 分类号 TP181
字数 4535字 语种 中文
DOI 10.11896/j.issn.1002-137X.2016.1.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 钱宇华 山西大学计算机与信息技术学院 44 497 11.0 21.0
10 王建新 山西大学计算机与信息技术学院 4 17 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (14)
节点文献
引证文献  (5)
同被引文献  (7)
二级引证文献  (24)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(3)
  • 参考文献(3)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(15)
  • 引证文献(0)
  • 二级引证文献(15)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
符号数据
数据表示方案
空间变换
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导