才子佳人博客

我的故事我讲述

k-means聚类算法和层次聚类算法简介

聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起,不同数据尽量分离。

聚类分析简介

聚类的基本思想就是将未知的数据按相似程度分类到不同的类或簇中。

10-fold cross-validation 十折交叉验证法简介

10-fold cross-validation,用来测试算法准确性。是常用的测试方法。

Leave-one-out 留一法之简介

留一法交叉验证是一种用来训练和测试分类器的方法,会用到图像数据集里所有的数据,假定数据集有N个样本(N1、N2、...Nn),将这个样本分为两份,第一份N-1个样本用来训练分类器,另一份1个样本用来测试,如此从N1到Nn迭代N次,所有的样本里所有对象都经历了测试和训练。

About Graph kernel(图核)

a graph kernel is a kernel function that computes an inner product on graphs. Graph kernels can be intuitively understood as functions measuring the similarity of pairs of graphs.

网络K-核简介

K-核分解方法通过递归地移去网络中所有度值小于或等于K的节点,它描述网络结构特征,揭示网络层次性质。

网络模体 motifs

就像“体系论”和“结构论”的思想一样,网络模体更强调从大的系统方面来研究网络(或关系)的结构和规律性。研究模体类型和模体在网络演化过程中的作用是非常有意义的。

脑网络的构建流程简介

脑网络的构建分人脑结构网络和人脑功能网络两种:

皮尔森相关系数Pearson correlation coefficient

皮尔森相关系数是用来反应俩变量之间相似程度的统计量,在机器学习中可以用来计算特征与类别间的相似度,即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。

无标度网络简介

在网络理论中,无尺度网络(或称无标度网络)是带有一类特性的复杂网络,其典型特征是在网络中的大部分节点只和很少节点连接,而有极少的节点与非常多的节点连接。

小世界网络简介

小世界网络可用数学符号图来描述,在这种图中大部分的结点不与彼此邻接,但大部分结点可以从任一其他点经少数几步就可到达。若将一个小世界网络中的点代表一个人,而连结线代表人与人认识,则这小世界网络可以反映陌生人由彼此共同认识的人而连结的小世界现象。

度中心性、接近中心性和中介(介数)中心性的理解

文章给出度中心性(degree)、接近中心性(closeness)和中介中心性(betweenness)的简要理解:

谱聚类概述

谱聚类的思想是将样本看作顶点,样本间的相似度看作带权的边,从而将聚类问题转为图分割问题:

机器学习中分类与聚类的本质区别

机器学习中有两类的大问题,一个是分类,一个是聚类。 在我们的生活中,我们常常没有过多的去区分这两个概念,觉得聚类就是分类,分类也差不多就是聚类,下面,我们就具体来研究下分类与聚类之间在数据挖掘中本质的区别。

习近平:自主创新推进网络强国建设

新华社北京4月21日电(记者张晓松、朱基钗)全国网络安全和信息化工作会议20日至21日在北京召开。中共中央总书记、国家主席、中央军委主席、中央网络安全和信息化委员会主任习近平出席会议并发表重要讲话。

[10/33][<<][10][11][12][13][14][15][16][17][18][19][>>]