聚类集成技术具备诸多优点，已成为机器学习领域的研究热点之一。本课题研究文本聚类集成中的共识函数设计问题，首先从子空间相似度的角度形式化描述该问题，并从矩阵Frobenius范数低秩近似的角度进行求解，从而设计出高效率、高质量的大规模文本聚类集成模型。主要研究内容包括：文本聚类成员产生方法研究；共识函数设计问题形式化描述方法研究；基于矩阵Frobenius范数低秩近似的共识函数设计方法研究。
595 次浏览
分享到
最近对接
南京田申田信息系统有限公司
2015-08-29
成果介绍
科技计划：
成果形式：新技术、其他
合作方式：技术咨询、技术服务
参与活动：
专利情况：
正在申请 ,其中:发明专利 5 项
已授权专利,其中:发明专利 0 项
已授权专利,其中:发明专利 0 项
成果简介
成果概况
聚类集成技术具备诸多优点，已成为机器学习领域的研究热点之一。本课题研究文本聚类集成中的共识函数设计问题，首先从子空间相似度的角度形式化描述该问题，并从矩阵Frobenius范数低秩近似的角度进行求解，从而设计出高效率、高质量的大规模文本聚类集成模型。主要研究内容包括：文本聚类成员产生方法研究；共识函数设计问题形式化描述方法研究；基于矩阵Frobenius范数低秩近似的共识函数设计方法研究。
创新要点
1、从矩阵低秩近视的角度出发，将聚类集成问题转化为向量之间欧氏距离平方和最小化问题。
2、将单个谱聚类算法作为聚类成员，并引入谱聚类算法思想来解决聚类集成问题。
3、将K均值与谱聚类算法相结合的方法引入到聚类集成问题中，提出代数变换方法降低算法计算复杂度。
主要技术指标
本项目技术达到国际先进水平，对于规模为7094文本集，在聚类集成阶段耗费的CPU时间仅为1.25，聚类精度（NMI值）比主流算法略高。
其他说明
本项目相关成果累计发表学术论文23篇，其中SCI 4篇，EI 15篇，申报发明专利5项，获批软件著作权5项。
完成人信息
姓名：对接成功后可查看
所在部门：对接成功后可查看
职务：对接成功后可查看
职称：对接成功后可查看
手机：对接成功后可查看
E-mail：对接成功后可查看
电话：对接成功后可查看
传真：对接成功后可查看
邮编：对接成功后可查看
通讯地址：对接成功后可查看
联系人信息
姓名：对接成功后可查看
所在部门：对接成功后可查看
职务：对接成功后可查看
职称：对接成功后可查看
手机：对接成功后可查看
E-mail：对接成功后可查看
电话：对接成功后可查看
传真：对接成功后可查看
邮编：对接成功后可查看
通讯地址：对接成功后可查看
附件
11：Predicting virus protein subcellular locations with multi-label k nearest neighbour classifier.pdf
咨询与解答
热门推荐
-
电子信息精密光学组件装配机器人及视觉系统 -
能源环保船舶能耗分布及能效评价技术 -
电子信息脑控无人飞行器系统 -
装备制造无需金属催化剂的有机硅封装胶 -
-
电话：025-85485967 QQ客服：402523539