聚类分析中的高维数据降维技巧研究

高维数据能充分表达复杂事物的信息,但高维数据自身表达和处理复杂,妨碍了它的实际应用。阐述了用迭代算法和完善索引结构来缓解高维数据降维问题。以数据对象变异最大方向的投影作为特定数据对象集的主成份,将聚类分析引入高校数据资源的预处理环节,实现了数据对象集合的降维归约。给出应用案例,为深入探寻相关路径提供有效的剖析办法。

2018-06-16上传大小：302KB

最低0.28元/次学生认证会员7折

高维数据的聚类算法

高维聚类

聚类分析实验（一）数据预处理

高维数据软子空间聚类FSC

通过TSNE将高维数据降维结果以二维的方法展示出来

tSNE—高维数据降维可视化（实践部分）-Kmeans聚类

高维聚类结果可视化

聚类算法——k-medoids算法

机器学习的卷积和频域

《高维数据的聚类分析研究及其应用》读书笔记

关于聚类算法Kmeans/K-mediods/层次聚类/OPTICS较为详细的介绍

一种面向高维数据的集成聚类算法

高维数据子空间聚类算法研究

高维数据下的子空间聚类算法研究高维聚类分析，博士论文 博士论文

机器学习中高维数据降维技术的小结与研究

基于密度的降维----DBSCAN算法使用（R语言）

用R语言对高维数据进行迭代加权展示

[Python聚类] 用TSNE进行数据降维并展示聚类结果

SPSS聚类分析——一个案例演示聚类分析

磁力搜索神器

磁力搜索神器

win10远程桌面连接工具

用于win10远程桌面连接软件高维聚类分析，方便多用户远程连接win10

上滑加载更多

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-126193-1.html