基于聚类神经网络的连续属性离散化方法.pdf
文本预览下载声明
显示全部
文档详情
相似文档
-
基于图神经网络的聚类算法.pdf
摘要
摘要
最近几年，随着互联网的进一步发展和5G技术的逐步应用，地球上每天产生
的数据量越来越大，且数据之间的关联性也越来越强。为了能够高效地对这些数
据进行分析，数据聚类通常会作为处理这些数据的首要环节，因此人们对于数据
聚类的需求也越来越高。另一方面，随着图神经网络的初步成熟，越来越多的研
究者也开始使用这一工具来解决一些经典的图问题。
本文基于图神经网络技术，对图结构数据的聚类算法进行研究，并针对已有
的聚类模型进行改进。该模型由四个模块组成，它们分别是深度自编码器，图自
编码器，特征混合模块和聚类模块。其中，深度自编码器与图自编码器主要用于
提取数据集中的信息，特征混合模块主要用于实
-
一种基于卷积神经网络的社交网络文本聚类方法.pdf
（19）中华人民共和国国家知识产权局
（12）发明专利申请
（10）申请公布号
CN106776740A
（43）申请公布日2017.05.31
（21）申请号CN201611027489.7
（22
-
基于神经网络聚类的研究_李戈.pdf
DOI :10.13306/j.1006 -9798.2001.04.005
16 4 Vol.16 No.4
2001 12 JOURNAL OF QINGDAO UNIVERSITY Dec.2001
:1006-9798-0021-04
基于神经网络聚类的研究
-
基于无监督神经网络聚类算法的研究_许文杰.pdf
与
The Research of the C lu stering A lgorithm Based on Un sup ervised Neu ra lN etwo rk s
* **
许文杰 刘希玉
X U W en -j ie LIU X i -y u
本文讨论了基于自组织特征映射网络聚类算法的基本
-
基于神经网络的信息聚类及联想实现_李盼池.pdf
2003 8 8
August.2003 No.8
(大庆石油学院, 安达 151400)
〔 〕
-
基于模糊聚类的神经网络方法及其应用在电子设备的故障诊断.doc
附录 英文文献1翻译
基于模糊聚类的神经网络方法及其应用在电子设备的故障诊断
摘要：本文提出模糊聚类方法样品处理研究了基于模糊聚类应用模糊提取样本然后诊断，最后进行了仿真研究。计算结果表明，所有上述方法是相当实用。关键词：神经网络;模糊聚类;电气设备;故障诊断1 .导言
利用模糊诊断在于它建立精确的数学模型，要隶属函数，模糊关系和模糊规则适用正确，然后进行模糊，我们可以实现智能化的模糊诊断。但对于复杂的诊断系统，创合适的模糊规则和隶属函数是非常困难的，需要很长的时间。由于复杂的电子设备故障，映射关系从时间或空间频域基本故障模式空间是强线性。在同一时间的隶属函数是极其不。只有正常的隶属函数可用于
-
基于聚类和深度神经网络的室内可见光定位方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116466335 A
(43)申请公布日 2023.07.21
(21)申请号 202310372738.X
(22)申请日 2023.04.10
(71)申请人 北京科技大学
地址 100083
-
一种基于图神经网络聚类的终端侧告警溯源图过滤方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117349744A
(43)申请公布日2024.01.05
(21)申请号202311419599.8
(22)申请日2023.10.30
(71)申请人北京邮电大学
地址100876
-
基于一维SOM神经网络的聚类及数据分析方法研究的中期报告.docx
基于一维SOM神经网络的聚类及数据分析方法研究的中期报告
中期报告
一、研究背景及目的
随着大数据时代的到来，数据挖掘、信息处理、数据分析等方面的需求日益增长。聚类作为数据挖掘的一种重要方法，在各类数据应用领域中被广泛应用，如图像处理、机器学习、金融分析、医学诊断等。由此引发了对聚类算法的研究，以致更好的挖掘数据特征，找到隐藏于数据背后的规律和关联性。
目前，神经网络在聚类中的应用越来越广泛，其中一维SOM神经网络作为一种简单、高效的方法被广泛使用。其优点在于，一维SOM神经网络可以在高维度空间中进行聚类，同时通过权重向量在单个矢量空间中表示输入数据，降低了计算的复杂性，增加了聚类时的可解释性
-
基于聚类有效性神经网络的模糊规则提取方法.PDF
第 卷，第 期 深圳大学学报 （理工版） ，
$ ( PG1 ;$ QG ;(
年 月 （ ）
$’ ! R@STQAU @C VW-QXW-Q SQJP-TVJY VZJ-QZ- [ -
-
一种基于并行多图卷积神经网络的无监督专利聚类方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 114781553 B
(45)授权公告日 2023.04.07
(21)申请号 202210695144.8 G06V 10/764 (2022.01)
-
基于图神经网络的多视图属性图聚类.pdf
中文摘要
图数据广泛存在于现实世界中，作为典型的非欧式数据，图数据具有排列不规
则的特性，具体表现为邻居节点难以定义，即每个节点的邻居节点数量不是固定的，
这种排列不规则的特性导致传统的多视图聚类算法难以直接应用于图数据。随着图
神经网络的发展，这一难题得以缓解，图神经网络凭借精心设计的网络结构和算法，
巧妙地将图数据的拓扑结构和属性特征相融合，展现出卓越的性能，也因此被广泛
应用于多视图属性图聚类任务中。但还面临着如何更细粒度地学习多视图之间的一
致性和互补性，以避免在融合过程中损失原始信息的问题。此外，加强视图嵌入表
示的跨视图一致性也是一个值得深入研究的难题。针对这些问题，本文主要做了以
-
基于粗糙集属性约简的卷积神经网络岩性识别方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 113361619 B
(45)授权公告日 2022.01.04
(21)申请号 202110677523.X G06N 3/08 (2006.01)
(22)申请日 2
-
基于粒子群算法优化RBF神经网络的异型连续箱梁桥损伤识别方法.doc
基于粒子群算法优化 RBF 神经网络的异型
连续箱梁桥损伤识别方法#
谭国金，刘寒冰，孙平一*
5
10
15
20
25
30
35
40
（吉林大学交通学院）
摘要：针对异型连续箱梁桥的特点，提出了一种适用于该类桥梁结构的损伤识别方法。以位
移振型比值和应变模态相对变化量来构造损伤指标，把该损伤指标作为输入数据，采用粒子
群算法优化 RBF 神经网络来识别结构的损伤。最后采用一座 4×30m 异型连续箱梁桥损伤
识别的数值模拟计算来验证所提出方法的可行性和有效性。
关键词：桥涵工程；异型连续箱梁桥；损伤识别；应变模态
中图分类号：U446.1
Damage Identific
-
基于神经网络的.ppt
基于神经网络的FPGA布线通道宽度预估计 报告人：高明 导师 ：刘强 汇报提纲 1、课题背景及意义 2、课题相关国内外研究现状 3、课题研究内容 4、课题创新点与难点 5、拟采取的技术措施和办法 6、课题进度安排 课题背景 近些年来，学术界投入了大量精力来研究FPGA的性能与FPGA架构参数和电路参数之间的关系。其