期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于K-medoids聚类算法的多源信息数据集成算法 被引量:4
1
作者 祝鹏 郭艳光 《吉林大学学报(理学版)》 CAS 北大核心 2023年第3期665-670,共6页
针对因多源信息数据源域相似性较低、不易确定导致的集成难度较大问题,提出一种基于K-medoids聚类算法的集成方法.先将多源数据的聚类过程视为迁移学习过程,确定初始样本的权重值,记录训练样本每次迭代时权重和损失期望值的学习特点,再... 针对因多源信息数据源域相似性较低、不易确定导致的集成难度较大问题,提出一种基于K-medoids聚类算法的集成方法.先将多源数据的聚类过程视为迁移学习过程,确定初始样本的权重值,记录训练样本每次迭代时权重和损失期望值的学习特点,再利用特点参数判定数据属于源域还是目标域;然后将集成算法聚类转化为多样化的域值标记问题,使数据具有聚类特性后,再分别计算源域和目标域中待集成数据间的权重因子,利用权重因子覆盖特性判定二者间的交互信息量,对信息量较高的数据进行集成,以确保集成的成功率.仿真实验结果表明,该算法无论是在稳定、数目较少的数据集,还是在紊乱、数目较多较杂的数据集下,都能实现高效集成,并且二次集成次数较少,整体耗用较低. 展开更多
关键词 K-medoids聚类算法 多源数据 源域 目标域 交互信息量
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部