檢索結果:共7筆資料 檢索策略: "分群".ckeyword (精準) and cadvisor.raw="戴碧如"
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
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…
3
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…
4
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…
5
目前,自行車共享系統已被廣泛地使用在全球各大城市中。自行車共享系統所面對的主要問題之一,是要重新平衡各站點之間的腳踏車數量,使得使用者的需求能夠盡可能的被滿足。為了進行重新平衡的動作,營運商通常會安…
6
DBSCAN是一個好的以密度為基礎的分群演算法,他可以在任意形狀中辨識出群聚且處理有雜訊的資料集。然而,隨著資料量不斷的增加,DBSCAN演算法在單機執行,有著延展性的問題。在這篇論文,我們推薦一個…
7
大多數的分類演算法都需要大量的標記樣本(Labeled samples)來訓練分類器,然而現實生活中資料型態大多數都是屬於未標記資料(Unlabeled data)。人工標記相當耗費人力及時間, 因…