正版
SELF-LEARNING DETECTION MODELS FOR DATA ANALYSIS BASED ON CLUSTER ENSEMBLE 基于聚类集成的数据分析自学检测模型
- 书名
- SELF-LEARNING DETECTION MODELS FOR DATA ANALYSIS BASED ON CLUSTER ENSEMBLE 基于聚类集成的数据分析自学检测模型
- 作者
- KadhimMustafaRaadKadhim田文洪 著
- 出版社
- 电子科技大学出版社
- 出版时间
- 2025-06-01
- ISBN
- 9787577015347
- 货号
- 1203725717
- 品相
- 全新
- 分类
- 当代·工业
- 书名
- SELF-LEARNING DETECTION MODELS FOR DATA ANALYSIS BASED ON CLUSTER ENSEMBLE 基于聚类集成的数据分析自学检测模型
- 作者
- KadhimMustafaRaadKadhim田文洪 著
- 出版社
- 电子科技大学出版社
- 出版时间
- 2025-06-01
- ISBN
- 9787577015347
- 货号
- 1203725717
- 品相
- 全新
- 分类
- 当代·工业
作者简介▼
穆斯塔法,伊拉克人,1991年生,电子科技大学信息与软件工程学院博士,现为厦门大学信息科学与技术学院博士后。主要研究方向为物理对抗性攻击、大型模态模型和社交媒体平台引起的抑郁症的早期检测。发表研究论文12篇,申请发明专利3项,参与国家自然科学基金项目多项。
田文洪,教授、博导,美国北卡罗莱纳州立大学计算机科学专业博士。现任电子科技大学先进计算实验室主任、软件学院学术委员会委员和云计算学科带头人。中国计算机学会(CCF)杰出会员、IEEE Senior Member(高级会员);入选中科院首批“西部之光”人才计划、四川省学术和技术带头人及后备人选、成都市特聘专家(蓉漂计划)和电子科技大学“星火计划”。发表高水平学术论文100余篇,出版中英文专著7部。在产学研用领域深耕近20余年,产生了良好的社会和经济效益,获2023年华为公司难题揭榜“火花奖”(电子科技大学九位获奖者之一)。
目录▼
Chapter 1 Introduction
1.1 Research background
1.2 Motivation
1.3 Contributions
1.4 Dissertation outline
Chapter 2 Background and related work
2.1 Machine learning
2.1.1 Unsupervised learning
2.1.2 Supervised learning
2.1.3 Semi-supervised learning
2.2 Clustering techniques
2.2.1 K-means
2.2.2 K-medoids
2.2.3 Affinity propagation
2.2.4 Density peaks
……
文摘▼
基于国家重点研发计划和四川省重点研发计划的最新研究进展,本书重点研讨了如何发现聚类和聚类集成模型中的隐式规则。
本书详细阐述了融如何解决现有问题并提高集群模型性能的方案。同时,设计了一种新的验证场景来衡量实际应用中聚类的有效性。针对半监督聚类的资源和性能问题,提出了一种快速的半监督聚类集成模型,目的是优化聚类中心的选定、聚类约束、聚类性能和资源管理问题。本书经过对大量无监督模型聚类结果的分析和研究,提出了一种新的无监督约束检测器,使无监督模型的性能能够比肩半监督模型。本书还开发了一种从大量不一致的结果中检测正确聚类的新技术。就现实世界应用中的半监督模型而言,构建了一种新颖的自我导向学习框架,可以满足性能要求,在众多结果中获得了最正确的结果,对问题进行了全面分析,并提出了新的性能指标来突出模型的有效性。
本书可作为集群模型在资源和性能管理方面的参考用书。





