机译:基于集合分割和k均值聚类的快速SVM训练算法
Department of Applied Mathematics, South China University of Technology, Guangzhou 510640, China;
support vector machines; set segmentation; k-means clustering;
机译:基于集合分割和k均值聚类的快速SVM训练算法
机译:K-SVM:基于K-means聚类的有效SVM算法
机译:一种基于SVM的快速舌头颜色分类,该方法由k均值聚类标识符和颜色属性作为计算机辅助工具进行舌头诊断
机译:基于聚类标签向量相似度矩阵的模糊聚类算法集成支持向量机算法训练集形成
机译:基于K均值的分水岭成像分割算法用于香蕉簇质量检测。
机译:一种基于SVM的快速舌头颜色分类该方法由k均值聚类标识符和颜色属性作为计算机辅助工具进行舌头诊断
机译:图4:(a)一种保守序列,其发生在芯片-SEQ数据集中的46,264个结合位点峰值中的79倍。说明了这种保守序列的突变分布,其中'_'表示该碱度不变; del表示此基础丢失; INS X表示新的基础X插入此基础前面。 (b)列出了几种重复的元素模式。 (c)在第一栏中,示出了由MEME芯片工具(Machanick&Bailey,2011)开采的前五个DNA主题。由CFSP算法发现的相应保守序列列于第二列中。在第三列中,列出了从突变信息转换的特定位置的评分矩阵。 MEME主题与PSSM格式的相似性与PSSM格式之间的相似性通过邮票图章比较工具(Mahony&Benos,2007)计算。这些对相似性的电子值显示在第四列中。 (d)在由GKMSVM描述符聚集的每个组中选择了一个图案,下面列出了CFSP算法的相应主题。 (e)从https://www.encodeproject.org收集的,有附加数据集(文件no:cernff100grl,cenf616irl,conf8.20cer,target:srebf1)。使用MEME工具在每个文件中选择前两个图案,并且我们的算法发现的相应主题如下所示。
机译:用于无监督多光谱图像分割的邻接增强k均值聚类算法