檢索結果：共32筆資料 檢索策略： "分群".ckeyword (精準) and ckeyword.raw="分群"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
分群是根據資料點之間的相似性將整個資料集劃分為一個分群結果的過程。現今已經有許多分群的方法被提出，但由於這些方法各別的性質，不同的方法通常會產生不同的分群結果。為了將不同的分群結果結合成一個更好且更…
2
隨著電腦軟體的發展，企業利用流程資料庫，儲存流程事件檔已是一個非常普遍的方式，而由於商業流程的越趨複雜，流程資料庫所儲存的事件檔也就相對的非常冗長，而如此探勘出的流程架構圖，不是概括性的描述整個商業…
3
分群演算法(Clustering Algorithms) 可將多維資料歸納於若干個子集合，常 見的方法有K-MEANS、DBSCAN、EM-Clustering、OPTICS、Agglomerati…
4
對於最新發表的點對稱距離量度，本篇論文將延伸此方法，進而提出一個植基於線對稱性質之有效的K均值分群演算法。與先前的點對稱K均值演算法相比，我們所提出的改良式線對稱K均值演算法對於不同的資料分佈具有較…
5
分群演算法是現今找出相同類別（高相似性）資料相當普遍的知識發現工具，雜訊（noise）是演算法判定該筆資料不隸屬於任何一群之結果，有時雜訊的產生是因該筆資料本為無用資訊，然而亦有因收集資料之環境、遮…
6
在大數據分析中填補缺失數據是一個重要且具有挑戰性的問題。在本文中，我們提出了一種新的有效的基於維度和灰色理論關聯性的模糊 (DGC-fuzzy) c-means 方法來估算不完整數據。對於每個數據集…
7
現今的許多網站,都允許使用者為網站中的物件給予標籤,這個過程也被稱為大眾分類法 (Folksonomy).因為使用者可以自由的輸入標籤,所以標籤正是一個容易取得,而且隱含使用者喜好資訊的有用資料來源…
8
9
K-means 是資料探勘和機器學習中的眾所周知的分群算法。它廣泛應用於計算 機視覺,市場分割,社會網絡分析等各個領域。然而,k-means 在不必要的距離 計算上浪費大量的時間。因此,加速 k-m…
10
考量未來的頻譜需求不斷增加，頻譜資源日益短缺，一種短距離傳輸的Device-to-Device(D2D)通訊技術可以不需透過基地台(base station, BS)達到設備之間資料交換的技術，可以…