- 1、本文档共19页,其中可免费阅读18页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种缺失条件下的高斯混合模型聚类机器学习方法,包括:S11.获取聚类任务和目标数据样本;S12.将获取的目标数据样本中的每个样本分为可观测特征部分和缺失特征部分,对缺失特征部分进行初始填充并保持可观测特征部分的不变性;S13.利用随机初始化选定各个高斯混合模型成分的代表点,通过极大似然估计方法建立缺失特征部分条件下的高斯混合模型聚类的优化目标函数;S14.采用极大似然估计方法求解建立的高斯混合模型聚类的优化目标函数,实现聚类。本发明将填充任务与高斯混合模型聚类相融合,在聚类结果的引导
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113076970 A
(43)申请公布日 2021.07.06
(21)申请号 202110204941.7
(22)申请日 2021.02.24
(71)申请人 浙江师范大学
地址
文档评论(0)