檢索結果:共9筆資料 檢索策略: "蔡曉萍".ccommittee (精準)
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
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…
2
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…
3
在推薦系統中協同過濾 (Collaborative filtering) 是目前最廣泛使用的方法之一,而此方法最重要的組成部分便是透過使用者項目矩陣 (User-item matrix) 找到相似的…
4
微型部落格(Twitter或Facebook)近年來在互聯網用戶中已成為非常流行的通訊工具。在這些微型部落格上有很多的使用者分享他們對生活中各個主題的想法以及意見。訊息藉由一個人透過電腦或是手機來產…
5
隨著科技的進步與商業競爭激烈,隱私的議題比起以往也受到更多的重視和注意。在資料探勘中,擷取有意義的關聯法則是一個很重要的技術;相對的,在探勘過程中,這個技術也可能造成一些隱私問題。因此,為了要避免敏…
6
概念飄移(Concept Drift)近年來已成為資料探勘領域中分析非平穩分佈(Non-stationary distribution)的重要議題,特別在處理資料串流(Data stream)這種資…
7
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…
8
周期共同位置樣式的探勘,可以發掘出在地理資訊上同存現象的周期性,並且它也是時空資料探勘上新穎和重要的問題,而隨著資訊科技的發展,時空的資料量也隨之快速的大量成長,然而目前並沒有技術是專門針對探勘周期…
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…