|
關(guān)注：1
2013-05-23 12:21
求翻譯：In this paper, we introduce an algorithm for clustering multi-instance objects that optimizes probability distributions to describe the data set. Part of this work is based on expectation maximization (EM) clustering for ordinary feature vectors using Gaussians. Details about this algorithm can be found in [13]. In [14是什么意思？ 待解決
 懸賞分：1
- 離問題結(jié)束還有
In this paper, we introduce an algorithm for clustering multi-instance objects that optimizes probability distributions to describe the data set. Part of this work is based on expectation maximization (EM) clustering for ordinary feature vectors using Gaussians. Details about this algorithm can be found in [13]. In [14
問題補充： |
|
2013-05-23 12:21:38
在本文中，我們介紹的算法，優(yōu)化的概率分布來描述數(shù)據(jù)集的聚類多實例對象。這項工作的一部分是基于期望最大化（EM）聚類為普通的功能，使用高斯向量。有關(guān)此算法的詳細信息，可以發(fā)現(xiàn)[13]。 [14]，產(chǎn)生了良好的初始混合物的方法，提出這是基于對多個采樣。經(jīng)驗表明，使用這種方法，EM
|
|
2013-05-23 12:23:18
在本論文中,我們引入一個算法的群集多個對象實例,可以優(yōu)化概率分布來描述數(shù)據(jù)集。 這項工作的一部分是根據(jù)期望最大化(em)群集的一般功能引導程序使用高斯之和。 這種算法可以找到詳細信息[13]。 在[14],一種方法,以產(chǎn)生一個良好的初期提出的基于混合多個采樣。 它是根據(jù)經(jīng)驗表明,使用這種方法,在em
|
|
2013-05-23 12:24:58
|
|
2013-05-23 12:26:38
在本白皮書中，我們介紹一種算法的聚類分析的多實例對象，優(yōu)化來描述數(shù)據(jù)集的概率分布。這項工作的一部分基于期望最大化 (EM) 普通功能載體使用 Gaussians 的聚類。[13] 中，可以找到有關(guān)此算法的詳細信息。[14] 中的生產(chǎn)好的初始混合方法被提交，基于多個采樣。它是根%
|
|
2013-05-23 12:28:18
|
湖北省互聯(lián)網(wǎng)違法和不良信息舉報平臺 | 網(wǎng)上有害信息舉報專區(qū) | 電信詐騙舉報專區(qū) | 涉歷史虛無主義有害信息舉報專區(qū) | 涉企侵權(quán)舉報專區(qū)
