退出
我的积分:
中文文献批量获取
外文文献批量获取
声明
第一章 绪论
1.1 研究背景和意义
1.2 研究现状
1.3 本文工作
第二章 理论知识
2.1 K-means算法
2.2 学习向量量化方法
2.3 James-Stein收缩估计
2.4 JS-kmeans算法
2.5 Rand Index
第三章 增强收缩K-means算法
3.1 算法介绍
3.2 算法程序
第四章 模拟研究与实际数据分析
4.1 模拟数据
4.2 实际数据
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
王辉;
兰州大学;
收缩估计; 增强;
机译:一种新的软计算模型,用于基于分层K-Means聚类和基区算法的估计和控制爆破产生地面振动
机译:i-k-beach- plus:一种基于k-means的增强版本的迭代聚类算法
机译:使用多变化点估计器和K-Means聚类算法检测子宫MMG收缩
机译:收缩k-means:一种基于James-Stein估计的聚类算法
机译:K-Means和K-Means ++聚类算法的硬件实现和性能评估
机译:Carsite-II:一种基于K-Means相似性的欠采样和合成少数群体过采样技术鉴定羰基化位点的综合分类算法
机译:基于收缩因子粒子群算法的自回归风电功率预测模型的增强估计
机译:一种简单的k-means聚类算法分析
机译:通过使用增强的K-means聚类算法来检测欺诈性交易的计算机实现的方法
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。