基于核光滑方法的类属型数据中心聚类算法

Posted 2021-04-08 FCS

导读

      本文应用核光滑方法对类属型属性的概率密度和特征权重进行建模，基于此模型设计了一种被称为KCC的中心聚类算法。在该算法中，我们提出了类簇概率中心的概念和簇中心的贝叶斯型概率估计学习方法，并应用一种新的变量选择方案自动学习每个簇的特征权重。通过在人工和实际数据集上的实验，表明了该方法具有较强的适用性和良好的性能，特别是在识别DNA序列的生物模式中表现出良好的特性。

文章精要

   更多详细证明信息，请参考网页上的supplementary Material部分。

相关内容推荐：

  

  

  

 

  

   

  

  -

---

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社出版、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---