本项目研究无监督学习的属性测度方法,提出了属性自组织网络和基于稳态准则函数的属性K均值两种学习方法。这两种方法具有自适应学习功能。在学习过程中,学习参数不需人为槿耄煞椒ㄗ允视Ω觥P路椒ɑ鼓芨鎏卣鞯闹匾灾副辏佣状伟盐藜喽窖坝胩卣餮≡窠岷显谝黄稹L卣餮≡裨谔岣叻掷嗥餍阅芎吞岣呒扑闼俣确矫嫫鹱胖匾饔谩
{{i.achievement_title}}
数据更新时间:2023-05-31
基于文献计量学和社会网络分析的国内高血压病中医学术团队研究
基于直观图的三支概念获取及属性特征分析
含饱和非线性的主动悬架系统自适应控制
城市生活垃圾热值的特征变量选择方法及预测建模
基于卷积神经网络的JPEG图像隐写分析参照图像生成方法
面向三维图像配准与属性迁移的无监督聚类森林测度学习方法研究
面向图像分类的无监督迁移学习算法研究
基于无监督学习方法的口语理解与人机对话行为研究
大数据环境下基于特征本体学习的无监督文本分类方法研究