支持向量聚类算法 支持向量聚类(Support Vector Clustering, SVC)是2001年由Ben-Hur 等人提出 的一种基于核的无监督聚类方法 [17] 。
基于40个网页-相关网页
支持向量聚类算法(Support Vector Clustering)是一种基于支持向量机的无监督聚类方法,它对样本集进行聚类分析时无需任何先验知识,可以获得任意形状的聚类边界。
基于10个网页-相关网页
（5）针对不可认知故障的聚类问题(即落于超球体外的样本Xoutside),提出了一种改进支持向量聚类（Support Vector Clustering,SVC）方法。
基于4个网页-相关网页
本文主要研究的支持向量聚类(Support Vector Clustering, SVC)算法就是一种典型的核聚类算法。 与其他聚类算法相比,SVC算法具有两大显著优势：一是不需要事先确定簇...
基于4个网页-相关网页
reduced support vector clustering 支持向量聚类算法
support vector clustering svc 支持向量聚类
Support vector-based shot clustering algorithm 一种基于支持向量的镜头聚类算法
Rough set was applied to clustering method in view of soft kernel of support vector clustering(SVC).
支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法。
The support vector clustering(SVC)algorithm was introduced to detect linear modulation frequency(LFM) signal and estimate its parameter.
文中引入支持向量聚类（SVC）算法对多分量LFM信号进行检测和参数估计。
According to the border region of rough set theory and the merits of V-support vector machine, the algorithm of support vector clustering is improved.
根据粗糙集理论的边界区域和V -支持向量机的优点对支持向量聚类算法进行改进。
应用推荐