无监督聚类
无监督聚类的相关文献在2000年到2022年内共计137篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文94篇、会议论文4篇、专利文献228877篇;相关期刊71种,包括吉林大学学报(理学版)、生物信息学、中国图象图形学报等;
相关会议4种,包括第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第5届全国普适计算学术会议(PCC2010)、第6届全国人机交互学术会议(CHCI2010)、第二十五届中国数据库学术会议(NDBC2008)、2005中国计算机大会等;无监督聚类的相关文献由417位作者贡献,包括陈冠伟、古斌、郭武等。
无监督聚类—发文量
专利文献>
论文:228877篇
占比:99.96%
总计:228975篇
无监督聚类
-研究学者
- 陈冠伟
- 古斌
- 郭武
- 丁国如
- 于沁杨
- 代晋玮
- 何晓飞
- 刘春阳
- 吴启晖
- 吴小俊
- 吴建平
- 周兴东
- 姚冠红
- 孔德慧
- 宋海龙
- 张世泽
- 张勇
- 张旭
- 张焕国
- 张玉明
- 张翔宇
- 张雪坚
- 徐保国
- 曹娟
- 李则昱
- 李子木
- 李新海
- 李锦涛
- 杨家海
- 杨洲
- 段然
- 毋立芳
- 沈昌力
- 焦李成
- 王丽娜
- 王之梁
- 王君
- 王执铨
- 王金龙
- 王飞
- 王鹏
- 白琳
- 秦小麟
- 简萌
- 罗敏
- 蒋鹏
- 谢添
- 郑学强
- 钱玉文
- 陈志鹏
-
-
葛新民;
薛宗安;
周军;
胡法龙;
李江涛;
张恒荣;
王烁龙;
牛深园;
赵吉儿
-
-
摘要:
为使核磁共振测井横向弛豫时间(T2)谱的定量表征结果更为直观地反映储集层类型和孔隙结构,提出基于高斯混合模型(GMM)的T2谱无监督聚类和孔隙结构定量识别方法。首先对T2谱数据进行主成分降维,减弱数据间的相关性;其次采用高斯混合模型概率密度函数对降维数据进行拟合,结合期望值最大化算法和赤池信息准则变化率得到模型参数和最佳聚类群集;最后分析不同聚类群集的T2谱特征、孔隙结构类型等,并与T2几何平均值、T2算术平均值等进行对比,通过数值模拟和核磁共振测井资料验证算法有效性。研究表明,基于GMM方法的聚类结果与T2谱形态、T2谱、孔隙结构、油气产能等具有很好的对应性,为孔隙结构定量识别、储集层级别划分和产能评价等提供新的手段。
-
-
姜龙燕;
杨斌;
王巍;
刘璐
-
-
摘要:
为了解决鄂尔多斯盆地下古生界奥陶系马家沟组碳酸盐岩储层岩性类型复杂、变化快、难识别以及部分老井无测井解释剖面,地质研究人员无法快速有效判别岩性等问题,以富县地区马家沟组马五段为研究对象,分析了目前常用的岩性识别方法,通过取心资料确定了主要的岩石类型,结合碳酸盐岩中主要矿物的测井响应数值,得出了可采用光电吸收截面指数曲线与补偿密度曲线、补偿密度与补偿中子曲线两两包络的包络法与聚类分析—最小临近算法实现岩性解读的认识。研究结果表明:(1)包络法操作简便,能快速识别白云岩、石灰岩、石膏,尤其在含膏地层中优势明显,适用于生产中对岩性的预判,其操作关键点在于曲线左右刻度值的调整,其判别准确与否的关键在于曲线质量是否可靠;(2)聚类分析—最小临近算法结果更精确,其预测符合率高达92.31%,更适用于后期科研所需,但是该方法需要一定量的取心数据作为支撑;(3)目前上述两种方法在坍塌角砾岩的识别中都还存在着局限性,对于坍塌角砾岩的识别还需要借助成像测井以及地质认识来实现。
-
-
刘云;
张轶;
郑文凤
-
-
摘要:
为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.
-
-
赵云鹤;
硕良勋;
柴变芳;
李增浩
-
-
摘要:
地震相是沉积环境分析和储层预测的基础。然而在实际地震勘探中,标注的地震数据难以获取。针对这些问题,本文分别借鉴了深度学习与无监督学习的优点,提出了基于深度堆栈自编码器的地震相识别方法,该模型利用深度学习更能捕捉地震数据语义信息的优点,用深度堆栈自编码器对地震数据进行特征提取,然后用提取的特征进行无监督聚类算法对地震相进行识别。在实际工区的实验结果表明,该模型相较于直接使用聚类算法识别地震相,准确率更高。
-
-
刘铭;
于子奇
-
-
摘要:
针对使用传统期望最大化算法进行参数估计的混合高斯模型的最终聚类效果过于依赖初始概率密度中心的问题,提出一种基于模糊C均值算法进行参数初始化的改进期望最大化算法.实验结果表明,在实际的用户知识水平聚类任务中,与传统无监督聚类算法(模糊C均值算法、K-means算法和未改进的期望最大化算法)相比,改进的期望最大化算法的聚类性能度量指标均更优,相比于传统聚类算法全局聚类效果更好.
-
-
叶家霖;
徐阳;
王枫
-
-
摘要:
动物的行为学分析是神经科学研究中的重要一环,然而,以往的分析方法大多基于人工识别或使用图像识别技术分析动物轨迹。前者耗时费力、主观性强,后者忽略了三维空间中动物的大量身体姿态信息。基于已有动物行为自然结构的三维行为分析框架,该文设计并搭建了一套适用于多场景,如视觉本能恐惧行为的三维空间姿态采集设备,优化了数据处理及分析流程中的部分环节。结果表明,该系统能够较为准确地识别小鼠的5大类特征性动作,并且高精度地还原小鼠在视觉恐惧信号刺激下的动态防御行为。该研究为视觉本能恐惧行为的自动化分析提供了一种高效、客观、可量化的解决方案,结合其他神经科学前沿研究手段,能更加精细、深入地解析该行为的神经环路机制。
-
-
王文进;
方敬;
杨翔;
向理;
田芃;
胡新华
-
-
摘要:
结合光散射理论与光迹追踪软件,建立微粒相干散射光偏振衍射成像过程仿真与特征分析模型,并通过单微球衍射成像实验进行验证.研究1965个由微球、微圆柱、微椭球组成的复杂结构散射体的衍射成像过程,并利用灰度共生矩阵对衍射图像纹理特征值进行提取与分析.研究表明,通过衍射图像可实现复杂结构散射体的无监督聚类分析,三种颗粒结构的分类准确率可达95%,同时发现双圆柱结构散射体中心间距与取向和衍射图像特征之间具有接近线性的关联.
-
-
付浩然
-
-
摘要:
由于传统方法在电力用户智能用电异常检测实际应用中虚警率较高,因此提出基于无监督聚类的电力用户智能用电异常检测方法。利用无线传感器获取到电力用户智能用电数据,并对数据进行清洗处理,从用电数据中提取到统计性特征、用电趋势特征以及频域特征,采用无监督聚类技术对提取的特征进行聚类分析,计算出检测样本用电行为与正常用电行为的相似性,以此判断用户智能用电是否异常。经实验证明,设计方法平均虚警率为0.11%,具有较高的检测精度,更适用于电力用户智能用电异常检测。
-
-
谢林娟;
李荔瑄;
张少强
-
-
摘要:
随着单细胞RNA测序技术的发展,目前单细胞测序通量由上千细胞发展到主流上万细胞的规模。基于单细胞RNA测序数据的细胞分型是研究细胞的重要问题之一,该问题主要运用无监督聚类方法。现有针对大规模单细胞测序数据的聚类方法通过简化细胞关系网络来降低时间复杂度,从而导致细胞分型准确度降低。而常见较高准确度的细胞分型方法无法处理大规模数据。为此,采用将k最近邻与细胞相似度阈值结合构建全新的细胞关系网络,并采用CPU+GPU异构并行计算提高运算速度,通过改进的马尔科夫聚类算法进行细胞聚类。通过在七个较大规模单细胞数据集上实验,发现该算法比现有主要算法具有更好的聚类准确度,从而适合基于主流单细胞测序技术数据的细胞分型。
-
-
刘燚;
刘伟;
时有松;
周建中;
张勇传
-
-
摘要:
水电机组振动监测信号常包含大量异常数据,严重影响机组健康状态评估与预测。为此,本文深入研究机组振动与工况的映射关系,提出了一种基于高斯混合模型和基于密度的噪点空间聚类算法(GMM-DBSCAN)的机组振动信号多尺度清洗方法。首先,采用DBSCAN初步清洗全工况内振动异常点,进一步采用高斯混合模型计算机组工况概率,并进行工况区间划分;在此基础上,以工况概率密度计算出各工况区内振动信号的DBSCAN密度聚类清洗的阈值,并清洗各工况区内振动异常数据。最后,基于瀑布沟水电站1年内运行工况和振动监测数据进行实例分析,异常数据清洗率达6.3‰。同时,通过人工模拟异常数据进行验证,结果表明,所提方法能够有效清洗出机组振动孤立离群点和密集异常点,为水电机组健康状态评估与预测奠定数据基础。
-
-
- 《第二十五届中国数据库学术会议(NDBC2008)》
| 2008年
-
摘要:
以正例(P)和未标识实例集(U)训练分类器的文本分类算法(PU文本分类)是解决某些机器学习中训练样本获取代价过大、尤其是反例样本较难获取的实际问题。而传统的分类算法大都需要正例和反例数据集才能取得良好的效果,因此要使用传统的分类方法来解决面向PU的分类问题,U集中可信反例的提取是分类器能够取得良好效果的关键.提出了有效的可信反例提取算法(基于聚类的可信反例提取算法)——CBRN,并对已有的PU文本分类算法进行了改进,并提出了SPY-SVM算法。实验表明,该方法比目前其他的面向PU的文本分类方法具有更高的准确率和召回率。
-
-
-
-
-
-
-
-
-