1)maximum entropy clustering极大熵聚类
1.Early-warning of engineering-project risk model research based on maximum entropy clustering;基于极大熵聚类的工程项目风险预警模型
2.Study on Semi Supervised Maximum Entropy Clustering半监督极大熵聚类的研究
英文短句/例句
1.Early-warning of engineering-project risk model research based on maximum entropy clustering;基于极大熵聚类的工程项目风险预警模型
2.A Type of Maximum Entrophy Method for Fuzzy Norlinear Programming;一类Fuzzy非线性规划的极大熵方法
3.A Maximum Entropy Segmentation Method Based on Mean Shift Clustering基于Mean Shift聚类的最大熵图像分割方法
4.minimax entropy estimator极小化极大熵估计量
5.A Maximum Fuzzy Entropy Gaussian Clustering Based Tracking Technology for Multiple Moving Point Targets in Image Sequences;基于最大模糊熵高斯聚类的点状多目标跟踪技术
6.MEASUREMENT AND ESTIMATION OF THE CABLE TENSION BASED ON MAXIMUM ENTROPY SPECTRAL AND FUZZY CLUSTERING基于最大熵谱和模糊聚类分析的斜拉桥拉索索力测试与评估
7.Aggregate Homotopy Methods for Solving a Kind of Constrained Sequential Max-Min Problems;一类约束序列极大极小问题的凝聚同伦方法
8.AN IMPROVEMENT OF ENTROPY METHOD FOR MINMAX PROBLEM求解极大极小问题的熵函数法的改进
9.An improved Ant Colony Clustering Algorithm Using Information Entropy基于信息熵的蚁群聚类改进方法研究
10.Approach to measurement of class cohesion based on structure entropy一种基于结构熵的类内聚度度量方法
11.The Life Distribution Class Based on Entropy and Maximum Dynamic Entropy Models;基于熵的寿命分布类及最大动态熵研究
12.Application of Fuzzy Clustering Based on Entropy Weights in Flood Classification基于熵权的模糊聚类模型在洪水分类中的应用
13.A Study of Determining the Prior Distribution Based On the Rule of Maximum Entropy;基于极大熵准则的先验分布确定方法
14.Maximum Entropy Method for Nonlinear l_1 Problem with Constraints;约束非线性l_1问题的极大熵方法
15.Maximum entropy particle swarm optimization for nonlinear l-1 norm minimization problem非线性l-1模极小化问题的极大熵粒子群算法
16.This paper proposed a genetic clustering image segmentation algorithm on entropy.设计了一种基于熵的遗传聚类分割算法。
17.The Mode Foundation and Clustering Analysis of Tourism Competition Power Based on Entropy Technologies;基于改进熵值法的旅游竞争力模型与聚类分析
18.New comprehensive evaluation algorithm based on fuzzy clustering and information entropy;基于模糊聚类和信息熵的综合评价算法
相关短句/例句
maximum entropy fuzzy clustering最大熵模糊聚类
1.Fast data association algorithm based on maximum entropy fuzzy clustering;基于最大熵模糊聚类的快速数据关联算法
3)clustering entropy聚类熵
4)Entropy clustering熵聚类
1.Then the calculating result is classified to judge state of enterprise with the entropy clustering model.该方法首先对企业运营的指标进行特征选择,在选定指标的基础上利用判别熵选取企业危机预警特征值,然后利用熵聚类算法对预测结果进行分类,判断企业的危机状态,最后采集沪深A股上市公司的年报数据对该模型进行了实证分析,结果表明该模型有效可行。
5)maximum fuzzy entropy Gaussian clustering最大模糊熵高斯聚类
1.Around the problem of the tracking for dim targets in low SNR images, this paper introduces related theory,derives the maximum fuzzy entropy Gaussian clustering whose clustering effect better than the traditional FCM, mainly resear.围绕着低信噪比条件下的红外微弱点目标跟踪问题,本文介绍了微弱点状运动目标跟踪的相关理论,推导了比传统FCM聚类效果优越的最大模糊熵高斯聚类(GCM),主要研究了一种基于最大模糊熵高斯聚类的微弱点状交叉多目标跟踪技术。
6)maximum entropy极大熵
1.Grid resource allocation strategy based on maximum entropy method;基于极大熵方法的网格资源分配策略
2.Semi-supervised clustering based on auxiliary space and maximum entropy;基于辅助空间与极大熵的半监督聚类方法
3.Research on time series prediction based on maximum entropy and wavelet基于极大熵和小波的时间序列数据预测研究
延伸阅读
极大熵谱估计 估计平稳随机过程功率谱密度的方法，这种方法在外推时能使自相关函数在未知点的取值具有最大统计自由度。J.P.伯格于1967年首先提出这种方法并把它称为极大熵谱估计。极大熵谱估计最初应用于地球物理学领域地震记录数据的分析，后来在雷达、声纳、图像处理、语言分析以及生物医学等领域都有广泛的应用。 在统计学中，熵是对各种随机试验不确定程度的一种度量。概率分布的熵越大、试验的可能结果越不确定。伯格的思想是要在外推相关函数的每一步，都既能保证相关函数的已知部分不变，又能在新增加外推值之后使概率分布具有最大的熵；也就是在每步外推时不对未知点处自相关函数取值施加任何限制（即其取值具有最大统计自由度，不对它强加任何条件）。极大熵谱估计的这种特点能克服传统的功率谱估计方法分辨率不高的弱点。在理论上，过程的功率谱是自相关函数的傅里叶变换。传统的功率谱估计方法是将样本自相关函数乘以某种窗函数(即对自相关函数加权)，然后再作傅里叶变换。窗函数可以增加谱估计的稳定性并减少谱的泄漏，但窗函数会限制谱的分辨力。传统方法存在的问题实际上是由于它把没有观测到的数据（或其自相关函数）都看作为零，同时对已知部分的信息加以人为修改（加权）而引起的。而极大熵谱估计对已知的最大迟延以外的自相关函数进行合理的外推，因而能提高所求功率谱的分辨力，特别是在已知数据量较少时，其效果比传统方法更优。 假设一个平稳正态过程自相关函数的前N+1个迟延点的值r(0)，r(1)，...，r(N)已确知,需要求r(N+1)的值。以r(0)，r(1)，...,r(N+1)作为相关函数，则对应的N+2维正态分布的熵为 其中R(N+1)为相关阵： 因此使熵为最大就相当于使行列式 det[R(N+1)]为最大。可以使det[R(N+1)]对r(N+1)的偏导数为零,求出r(N+1)。将得到的r(N+1)代入R(N+2),同理可根据使det[R(N+2)]为最大的条件求出r(N+2)。再把求到的r(N+1)和r(N+2)代入R(N+3)中的相应元素,对det[R(N+3)]求极大可得到r(N+3)，依此类推。 与这种方法得到的自相关函数所对应的功率谱为 式中i=刧,Δt是x(t)的采样间隔,ω为频率,M+1为递推次数，而A屌(a0,...,aM)T中各元素可由R(M)A＝(1,0,...,0)T 求得，T表示转置。 实际计算时，由于只掌握x(t)的有限记录而无法得知自相关函数的精确值，因此只能用它的估计值替代。伯格在求取r和A（参数向量）的估值方面还提出一种递推算法，它可以避免矩阵求逆，充分利用数据所提供的信息，而且递推过程每步所对应的行列式detR都是非负定的。后来又有其他学者提出新的算法，克服伯格算法中的缺点（如所谓谱线分裂和谱峰漂移），但算法的变化并不改变极大熵的原则。
