作者:
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:
本文首先介绍了无监督学习算法的基本原理,然后对主成分进行分析,接下来对k-均值聚类进行了研究.最后对无监督学习算法的研究进行了展望.
推荐文章
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
修正Gibbs采样的有限混合模型无监督学习算法
无监督学习
有限混合模型
参数维数变化
跳变
分布元管理
采用无监督学习算法与卷积的图像分类模型
K-means聚类
图像分类
卷积
卷积神经网络
Dropout
彩色图像分割中基于图上半监督学习算法研究
交互式图像分割
图上半监督
颜色相似性特征
双高斯模型
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 深度学习无监督学习算法研究
来源期刊 福建电脑 学科
关键词 无监督 k-均值聚类 主成分
年,卷(期) 2018,(9) 所属期刊栏目 研究与探讨
研究方向 页码范围 102-103
页数 2页 分类号
字数 2508字 语种 中文
DOI 10.16707/j.cnki.fjpc.2018.09.050
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 来学伟 三门峡职业技术学院信息传媒学院 43 58 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (2)
参考文献  (2)
节点文献
引证文献  (5)
同被引文献  (24)
二级引证文献  (2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(4)
  • 引证文献(4)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
无监督
k-均值聚类
主成分
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
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
论文1v1指导