他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 5 篇文章 |
|
该算法假设数据有两个视图，首先在两个视图上利用标记数据分别训练出一个分类器，然后，在协同训练过程中，每个分类器从未标记数据中挑选若干预测置信度较高的数据进行标记,并把标记后的数据加入另一个分类器的标记数据集中,以便对方利用这些新标记的数据进行更新，此过程不断迭代进行，直到达到某个停止条件。对比多模态数据和多视图数据的概... 阅4247 转11 评0 公众公开 19-10-21 16:42 |
常见的六大聚类算法1. K-Means(K均值)聚类。2. 均值漂移聚类。与均值漂移聚类类似，DBSCAN也是基于密度的聚类算法。凝聚层级聚类(HAC)是自下而上的一种聚类算法。通过上述公式可以计算图的模块性，且模块性越高，该网络聚类成不同团体的程度越好，因此通过最优化方法寻找最大模块性就能发现聚类该网络的最佳方法。组合学告诉我们对于一个仅有8... 阅42 转0 评0 公众公开 19-10-21 10:34 |
可以看到这样是一种列举的做法，而TSVM采用局部搜索的策略来进行迭代求解，即首先用标记的样本训练出一个初始SVM，接着使用该学习器对未标记样本进行打标，基于所有标记样本重新训练SVM，再寻找出易错样本重新标记指派，之后一直迭代，提高未标记样本的影响力。必连/务连约束：就是样本必属于同一个簇或者必不属于同一个簇有标记样本：少量带有... 阅144 转0 评0 公众公开 19-10-21 10:33 |
【半监督分类】（一）半监督学习概述。直推 SSL只处理样本空间内给定的训练数据，利用训练数据中有类标签的样本和无类标签的样例进行训练，预测训练数据中无类标签的样例的类标签；归纳SSL处理整个样本空间中所有给定和未知的样例，同时利用训练数据中有类标签的样本和无类标签的样例，以及未知的测试样例一起进行训练，不仅预测训练数据中无类... 阅3613 转8 评0 公众公开 19-10-21 01:09 |
核心就是SNP与表型的关联，对于每一个genome位点，如果某个SNP总是与某疾病同时出现，那我们就可以推测这个SNP极有可能会导致这个疾病。思考：虽然曼哈顿图里每个点是SNP，但是通常都会把最显著的SNP指向某个基因，因为大家最关注的还是SNP的致病根源，但这样找出来的只有编码区的SNP。而且，大多数病找到的都不是个别显著的snp，大多数都找到... 阅2537 转16 评0 公众公开 19-10-20 21:20 |
