檢索結果:共7筆資料 檢索策略: "徐國偉".ccommittee (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
由於近年來網路技術的蓬勃發展,產生了一些擁有巨量資料量的資料集。這些資料集包含著成千上萬的資料點、特徵以及標籤,因此傳統的分類演算法並不能在可接受的時間內處理這些資料集。極大多標籤分類演算法就是被設…
2
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…
3
概念飄移近年來已成為資料探勘領域中分析非平穩分佈的重要議題,此外,資料串流上也有傾斜的類別分布,被稱為類別不平衡。實際上,在現實世界中,資料串流可能同時具有多個概念漂移和類別不平衡分佈。然而,由於大…
4
隨著社群網路的興起,從社交媒體資料中探勘有用的資訊已成為熱門的研究方向。過去與社群網站相關的研究,如興趣點(point of interest, POI)推薦及打卡地點預測,主要著重於二元的朋友關係…
5
現今由於路徑資料收集變得容易使的預測行動使用者移動目的地的預測越來越流行,大多數關於預測移動路徑的技術都需要使用者路徑資料地理上的模式吻合,所以這些技術在使用者未到達過的地區,可能無法使用。在這篇論…
6
資料縮減的目的在於從一個資料集中篩選出一個子集,而資料縮減的好處在於減少儲存空間的需求並且增進分類的效率。使用該子集作為訓練資料不僅可能維持住分類正確率,甚至在刪除雜訊的情況下能得到進一步的改善,因…
7
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…