- 博客(4)
- 收藏
- 关注
RSS订阅翻译 2021-07-24（作者的密度可达未理解特别透彻）
基于k-近邻和聚集策略的自适应密度峰值聚类Adaptive density peak clustering based on k-nearest neighbors with aggregating strategy摘要1，引言2， Related works3，ADPC-KNN（本文主要工作）3.1，新的局部密度度量 ρρρ插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公
2021-07-24 17:07:17
884
1
翻译 基于间隙(gap-based)的自动中心检测的密度峰值聚类算法
目录Density peaks clustering with gap-based automatic center detection摘要引言背景相关工作本文算法--Gap-based center detection--GB-DPC相关定义算法流程GB-DPC的例子Consideration实验可参考原文章结论 Density peaks clustering with gap-based automatic center detection Knowledge-Based Systems 2020-8
2021-06-22 16:09:56
748
1
翻译 DPC改进算法--基于共享最近邻和自动确定聚类中心的密度峰值聚类算法
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-06-18 12:04:18
3587
8
翻译 DPC改进论文 1
#用来帮助自己整理近期所看的论文， Density peak clustering based on relative density relationship——pattern recognition，jian Hou等，2020 摘要 传统DPC算法将局部密度峰值点看作聚类中心，之后根据比非聚类中心点密度更大的最近邻的数据点都属于同一个簇对非中心点进行聚类。然而传统DPC算法对密度核敏感，对密度差异较大的簇聚类结果差。本文作者将其归因于DPC中假设和实现的不一致性。假设是基于数据点间的相对密度关系，而算
2021-06-01 11:51:46
1154
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人