檢索結果:共5筆資料 檢索策略: "Kernel Function".ekeyword (精準)
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
由於資訊科技日新月異,新的群集分析方法不斷地被提出,但是大多分群方法都需要先設定欲分群之群數,因此本研究主要提出一自動核心分群之方法-Automatic Kernel Clustering with…
2
在機器學習(Machine learning)領域中,低維度且線性不可分的資料一直都是個很有挑戰性的任務,為了解決這一困難,可以應用核函數將屬性向量從低維度空間轉換到高維度空間。但是在增加屬性向量的…
3
在機器學習領域中,資料分析會隨著「屬性向量」維度過高或過低而變成具有挑戰性的任務。隨著屬性向量的維度越高,分類模型會需要更大量的運算成本,還有可能因為訓練過度而發生過擬合(overfitting)的…
4
分群分析在資料探勘中是一個非常重要的議題,最近幾年許多的分群演算法已被提出。然而,沒有任何一個分群演算法可以對所有不同資料集進行正確的分群。因此,本研究提出萬用演算法結合核心直覺模糊c-means演…
5
隨著科技進步,許多企業開始會為顧客進行分群,進行精準行銷,因此,分群分析在資料探勘中是一個非常重要的技術,近年來也常被用來處理很多類別型資料。然而,沒有任何一個分群演算法可以對所有的資料集進行正確的…