基于自编码神经网络的Single-Pass聚类事件识别算法
针对传统Single-Pass聚类算法存在的缺陷,提出了一种基于自编码神经网络的Single-Pass聚类算法.通过多个深层的隐藏层对原始数据进行降维,以更好地提取出原始数据的特征信息;并通过对边缘文本重计算来降低误检率,提高聚类精度.实验结果表明,该算法相比传统Single-Pass算法具有更高的聚类准确度,解决了聚类结果受数据顺序影响的问题.
主题追踪、自编码神经网络、Single-Pass聚类算法
44
TP391.1(计算技术、计算机技术)
国家自然科学基金61473026;中央高校基本科研业务费JD1502/JD1608
2017-04-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
81-86