排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
3.
GEMSEC(graph embedding with self clustering)在计算节点特征的同时学习节点聚类,通过强制将节点进行聚类来揭露网络中的社区结构,但未考虑类别标签信息,导致学到的节点嵌入缺乏区分性。针对这一问题,提出了一种基于半监督聚类的网络嵌入方法(NESSC),将随机游走序列和少量节点类别标签作为输入,在计算节点特征和学习节点k-means聚类的过程中,利用类别标签信息指导聚类过程,同时重构已知节点类别标签信息,学习具有区分性的节点表示。在6个真实网络上进行节点聚类和节点分类评测实验,实验结果显示,NESSC方法明显优于无监督网络嵌入方法DeepWalk和GEMSEC,可以通过加入节点的标签信息来提高网络嵌入的效果。因此,通过网络节点的嵌入,可以高效地提取网络的有用信息,对于相关网络嵌入研究具有一定的参考价值。 相似文献
4.
5.
为了解决传统K-means聚类算法对舌图像中舌苔舌质分离效果不稳定的问题,提出了一种优化K-means聚类的舌苔舌质分离模型。模型综合RGB,HSV,L*a*b* 3种颜色空间的特性,将单通道舌图像像素作为聚类样本集合,以一定的规则从集合中选取2个舌图像通道的像素作为聚类样本,并利用单通道舌图像分布直方图的峰值确定初始聚类中心点,最后通过聚类实现舌苔舌质分离。实验结果表明,选择用双通道舌图像作为聚类样本比用三通道或者单通道舌图像聚类效果更优,且提出的初始聚类中心点的确定方法相比于传统K-means聚类算法更准确、稳定地使舌苔舌质分离。所提方法可以很好地实现舌苔舌质分离,为中医舌诊客观化的研究提供了新的方法和思路,具有一定的实用价值。 相似文献
6.
邹芳 《石家庄经济学院学报》2023,(2):65-70
文章提出了一种基于包覆TiO2纳米薄膜锥形长周期光纤光栅(long-period fiber grating, LPFG)的高灵敏度海水盐度传感器。通过将多种增敏方案,包括调节LPFG的工作点位于转换点附近、倏逝场增强和模式转变效应有效结合,显著提高了传感器在海水盐度典型变化范围(0.5~0.8 M)对应的环境折射率变化(1.339~1.342)区间内的灵敏度。利用四层圆柱形波导模型,采用矢量模分析法计算了传感器的优化参数。利用原子层沉积技术,将TiO2纳米薄膜包覆在锥形光纤上制备的LPFG表面。实验结果表明:LPFG的HE1,12模式的环境折射率灵敏度超过1×104 nm/RIU,盐度灵敏度超过110 nm/M,线性度达到0.998。实验结果与理论计算吻合较好。 相似文献
1