基于貝葉斯距離的K-modes聚類算法
大?。?/span>0.59 MB 人氣: 2017-11-23 需要積分:1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論(0)
K-modes算法中原有的分類變量間距離度量方法無(wú)法體現(xiàn)屬性值之間差異,對(duì)此提出了一種基于樸素貝葉斯分類器中間運(yùn)算結(jié)果的距離度量。該度量構(gòu)建代表分類變量的特征向量并計(jì)算向量間的歐氏距離作為變量間的距離。將提出的距離度量代入K-modes聚類算法并在多個(gè)UCI公共數(shù)據(jù)集上與其他度量方法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明該距離度量更加有效。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于貝葉斯距離的K-modes聚類算法下載
相關(guān)電子資料下載
- 3.GraphSAGE[9]:generalized aggregation方法 322
- 貝葉斯優(yōu)化是干什么的(原理解讀) 684
- 貝葉斯深度學(xué)習(xí)介紹 425
- 關(guān)于貝葉斯概念進(jìn)行形式化的建模和推理 319
- 貝葉斯網(wǎng)絡(luò)的因果關(guān)系檢測(cè)(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(jī)器學(xué)習(xí)4個(gè)超參數(shù)調(diào)優(yōu)方法 403
- 機(jī)器學(xué)習(xí)theta是什么?機(jī)器學(xué)習(xí)tpe是什么? 1418
- 介紹一種基于最小化平方誤差的聚類算法 498