搜索结果

…l/51.1307.TP.20181116.1353.022.html|dead-url=no}}</ref>是一个[[非監督式學習|非监督式]][[聚类分析|分层聚类算法]]，于1996年由 Tian Zhang 提出。算法的优势在于能够利用有限的内存资源完成对大数据集的高质量的聚类。<ref>{{Cite [[Category:聚类分析]] …

[[Category:聚类分析]] …

[[Category:聚类分析]] …

…、馬庫斯·M·布呂尼希（Markus M. Breunig）、[[漢斯-彼得·克里戈爾]]和約爾格·桑德（Jörg Sander）提出的基于密度的[[聚类分析]][[算法]]。<ref>{{Cite journal|title=OPTICS|url=http://dx.doi.org/10.1145/3041 [[Category:聚类分析]] …

…]和[[统计学]]中，'''层次聚类'''（{{Lang-en|Hierarchical clustering}}）是一种旨在建立聚类的层次结构的[[聚类分析]]方法。层次聚类的策略通常有两种： * [[MATLAB]]中有层次聚类分析 …

…项之间有函数关系。分层广义线性模型允许有不同的误差分量，误差分量可以统计[[相關 (概率論)|相關]]的，并不必要满足[[正态分布]]。当有不同的[[聚类分析|聚类]]存在时，同一聚类中的观测值是相关的，并且是正相关的。在这种情况下，广义线性模型是不适用的，忽略这些关联会引起造成一些问题<ref name=C …

* [[聚类分析|集群分析]] …

*[[聚类分析]] …

[[K-均值算法]]是一种将[[聚类分析|图像分割]]成K个聚类的[[迭代]]技术。基本[[算法]]如下： …

1. [[聚类分析]] （clustering analysis） …

…''k''-均值算法'''（英文：''k''-means clustering）源于[[信号处理]]中的一种[[向量量化]]方法，现在则更多地作为一种聚类分析方法流行于[[数据挖掘]]领域。''k''-平均[[聚类]]的目的是：把<math>n</math>个点（可以是样本的一次观察或一个实例）划分到''k' === 聚类分析 === …

…ector)的訓練來估算密度機率函數，並藉由此密度函數推估最有效的量化方案。此技術原用於[[資料壓縮]]，透過分割大數量的資料點(函數)，讓每個小[[聚類分析|群集]]都有相同的資料點，而這些小群集的所有資料就由其正中央的點作為代表，這點與[[k-means|k-平均演算法]]以及其他群集分析的特性相當。 …

…与模拟演化计算中的一些困难问题，为[[非欧氏框架]]下机器学习与非线性分析提供了普遍的数量推演准则；提出了基于视觉认知的数据建模新原理与新方法，形成了聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法，并广泛应用于科学与工程领域。 …

…le|馬丁·愛胥特|Martin Ester}}、[[漢斯-彼得·克里戈爾]]、約爾格·桑德（Jörg Sander）及Xiaowei Xu提出的[[聚类分析|集群分析]][[算法]]， 這個算法是以密度為本的：給定某空間裡的一個點集合，這算法能把附近的點分成一組（有很多相鄰點的點），並標記出位於低密度區域的 …

[[Category:聚类分析]] …

…可以用于研究共表达模块之间的关系、比较不同网络的网络拓扑学（差异网络分析）。加权基因共表达网络分析可以进行数据提炼（与斜交[[因子分析]]相关）、[[聚类分析]]（模糊聚类）、[[特征选择]]方法（比如，进行基因筛选）、综合互补（基因组）数据的框架（根据数量变量之间的加权相关性）和探索性数据分析。<ref… *算出的网络统计结果可以用来提升标准的数据挖掘方法（如聚类分析），因为相似性指标通常可转换为加权网络。<ref name="Oldham2012"/><ref name="Horvath2008"/> …

大多數标准技术将色彩量化视为三维空间中聚類点的问题，其中点代表原始圖像中的顏色，三个轴代表三个顏色通道。几乎任何三维[[聚类分析|聚類算法]]都可以应用于色彩量化，反之亦然。在定位簇之后，通常对每个簇中的点进行平均以获得该簇中所有顏色映射到的代表顏色。三个顏色通道通常是[[三原色 …

…glossary/kernel-method |dead-url=no }}</ref>模式分析的一般任务是在数据集中发现并研究一般类型的关系（如[[聚类分析]]、[[排名]]、[[主成分分析]]、[[相关 (概率论)|相关性分析]]、[[统计分类]]）。对许多解决此类任务的算法来说，原始表示的数据必须通过用 …

有许多方法具有不同的名称和用途，它们具有共同的关系。 与LCA一样， [[聚类分析]]用于发现数据中类似分类群的情况。 多元混合估计（MME）适用于连续数据，并假设这些数据来自分布的混合：想象一组由男性和女性混合产生的高度。 如果 …

…法。针对距离函数和最近邻搜索，当前的研究也表明除非其中存在太多不相关的维度，带有维数灾难特色的数据集依然可以处理，因为相关维度实际上可使得许多问题（如聚类分析）变得更加容易。另外，對於許多方法因为维数过高而处理棘手的数据集上，像[[马尔科夫蒙特卡洛]]或共享最近邻搜索方法<ref name="houle-ss …其他许多实例（比预期多得多）的''k''-NN列表中。这一现象对很多技术，如[[分类问题|分类]]（包括[[最近鄰居法]]、[[半监督学习]]，和[[聚类分析]]都有很大的影响。<ref>{{Cite journal …