注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 主题模型博士论文

  2. 主题模型的主要目的是提取数据集中隐含的统计规律且利用主题进行直观表达，然后可以利用获得的主题进行信息检索、分类、聚类、摘要提取以及进行信息间相似性、相关性判断等一系列应用。近年来，主题模型已逐渐成为文本挖掘、信息检索等领域的一个新的研究方向。

  3. 所属分类：其它

    • 发布日期：2012-12-31
    • 文件大小：8388608
    • 提供者：wxhbj0889

  1. 狄利克雷过程混合模型、扩展模型及应用PDF

  2. HDP,狄利克雷过程混合模型,扩展模型及应用,论文。

  3. 所属分类：专业指导

    • 发布日期：2013-05-07
    • 文件大小：1048576
    • 提供者：wjx2815

  1. 狄利克雷分布

  2. 介绍狄利克雷分布，狄利克雷过程，混合分布等知识

  3. 所属分类：其它

    • 发布日期：2015-05-15
    • 文件大小：732160
    • 提供者：zsz_shsf

  1. 狄利克雷过程混合模型、扩展模型及应用

  2. 狄利克雷过程混合模型、扩展模型及应用

  3. 所属分类：PHP

    • 发布日期：2017-07-01
    • 文件大小：1048576
    • 提供者：zhichizhongguo

  1. Graphical Models for Visual Object Recognition and Tracking

  2. 吴恩达的导师Jordan博士生的博士论文，图模型很好的入门和深入书包含Dirichlet Process（狄利克雷过程）

  3. 所属分类：机器学习

    • 发布日期：2017-11-17
    • 文件大小：24117248
    • 提供者：yibical_2008

  1. LDA主题模型.zip

  2. LDA(Latent Dirichlet Allocation)中文翻译为：潜在狄利克雷分布。LDA主题模型是一种文档生成模型，是一种非监督机器学习技术。它认为一篇文档是有多个主题的，而每个主题又对应着不同的词。一篇文档的构造过程，首先是以一定的概率选择某个主题，然后再在这个主题下以一定的概率选出某一个词，这样就生成了这篇文档的第一个词。不断重复这个过程，就生成了整篇文章。

  3. 所属分类：机器学习

    • 发布日期：2019-01-05
    • 文件大小：23552
    • 提供者：qq_40006058

  1. LDA主题模型.zip

  2. LDA(Latent Dirichlet Allocation)中文翻译为：潜在狄利克雷分布。LDA主题模型是一种文档生成模型，是一种非监督机器学习技术。它认为一篇文档是有多个主题的，而每个主题又对应着不同的词。一篇文档的构造过程，首先是以一定的概率选择某个主题，然后再在这个主题下以一定的概率选出某一个词，这样就生成了这篇文档的第一个词。不断重复这个过程，就生成了整篇文章

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：24576
    • 提供者：Zzmdongcheng

  1. 认知无线电网络中的历史传感数据挖掘

  2. 认知无线电网络（CRN）是无线通信中最热门的主题之一，在该领域中，认知无线电（CR）需要智能，准确地获取无线信道的频谱状态。因此，一些工作提出在CRN中使用人工智能理论来提升其智能。为了获得准确的频谱感测结果，CR经常对无线信号进行采样。此外，如我们所知，无线信道状态在不同的时隙中可以是相同的。因此，有必要使用历史感测数据来减少当前感测数据的不确定性，从而提高频谱感测性能。同时，最近在人工智能领域提出了分层狄利克雷过程（HDP）以自动实现数据聚类，可用于对具有不同隐藏通道状态的历史感测数据进行聚

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：416768
    • 提供者：weixin_38590456

  1. 一种基于动态词汇表的在线LDA算法

  2. 目前的在线潜在狄利克雷分布模型(LDA)算法大多是基于固定的词汇表,在实际应用中经常会出现词汇表和处理的语料不匹配的情况,影响了模型的实用性。针对这个现象,在置信传播算法(BP)的框架下,使主题单词分布服从狄利克雷过程,重新推导公式,使得词汇表在模型运行之前为空,并且在处理时不断向词汇表中增加发现的新词。实验证明,这种新的基于动态词汇表的算法不仅使得词汇表与语料的贴合度更高,而且使其在混淆度以及互信息指数这两个指标上能够比基于固定词汇表的LDA模型表现得更加优越。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：497664
    • 提供者：weixin_38691669

  1. 联合约束的LDA模型用于产品和观点的联合提取

  2. 潜在狄利克雷分配（LDA）模型是文档级的概率模型，已被广泛使用。 但是，该模型的一个基本问题是在识别句子中的共现关系（例如，方面-方面，方面-方面等）方面存在不足。 为了解决该问题，我们提出了一种关联约束的LDA（AC-LDA），以有效地捕获共现关系。 具体来说，根据产品评论中句法结构的基本特征，我们将三种主要类型的单词联想组合形式化，并精心设计相应的标识。 为了减少全局方面词对局部分布的影响，我们对全局方面应用了重要的约束。 最后，将约束条件和相关的关联组合合并到LDA中，以指导学习过程中主题

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：894976
    • 提供者：weixin_38594252

  1. 基于变换狄利克雷过程的多姿态人脸表情识别

  2. 基于变换狄利克雷过程的多姿态人脸表情识别

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：2097152
    • 提供者：weixin_38514523

  1. 基于LDA主题模型的移动应用相似度构建方法

  2. 随着移动互联网的快速发展，如何从大量的移动应用中抽取有效的描述信息继而为移动用户提供有效准确的推荐策略变得尤为迫切。目前，移动应用市场对应用的推荐策略相对传统，大多是根据应用的单一属性进行推荐，如下载量、应用名称、应用分类等。针对推荐粒度过粗和推荐不准确的问题，提出了一种基于潜在狄利克雷分布( LDA) 主题模型的移动应用相似度构建方法。该方法从应用的标签入手，构造应用的主题模型分布矩阵，利用该主题分布矩阵构建移动应用的相似度矩阵，同时提出了将移动应用相似度矩阵转化为可行的存储结构的方法。实验结

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1026048
    • 提供者：weixin_38529397

  1. nlp中的主题模型

  2. 谈起LDA，自然需要引入pLSA。pLSA是用一个生成模型来建模文章的生成过程。假设有K个主题，M篇文章；对语料库中的任意文章d，假设该文章有N个词，则对于其中的每一个词，我们首先选择一个主题z，然后在当前主题的基础上生成一个词w。生成主题z和词w的过程遵照一个确定的概率分布。设在文章d中生成主题z的概率为[公式]，在选定主题的条件下生成词w的概率为[公式]，则给定文章d，生成词w的概率可以写成：LDA可以看作是pLSA的贝叶斯版本，其文本生成过程与pLSA基本相同，不同的是为主题分布和词分布分

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：835584
    • 提供者：weixin_38720322

  1. 一种新的多媒体分类方法：基于狄利克雷过程的贝叶斯归纳认知算法

  2. 本文提出一种基于狄利克雷过程的贝叶斯归纳认知算法，用于虚拟现实多媒体信息数据分类。 我们提出了一种贝叶斯归纳认知算法框架模型，用于对虚拟现实多媒体数据中的场景进行分类。 多媒体可以在不同的镜头之间切换，未知物体可以多次离开或进入场景，并且可以对场景进行分类。 该算法由贝叶斯归纳认知部分和狄利克雷过程部分组成。 与传统的基于距离的聚集分类算法相比，该算法具有多个优点。 基于Dirichlet过程假设检验的归纳认知算法的贝叶斯算法用于确定哪些合并是有利的，并输出推荐的景深。 该算法可以解释为Diri

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：906240
    • 提供者：weixin_38680671

  1. 基于多示例学习的异常行为检测方法

  2. 在基于轨迹分析的异常行为检测方法中,被标记为异常的轨迹往往仅在整条轨迹的某个局部存在异常,轨迹的其余部分都是正常行为.然而,传统的基于整条轨迹建模的方法很难检测轨迹的局部异常.针对上述问题,提出一种在多示例学习框架下基于轨迹分段的异常行为检测方法.该方法首先根据轨迹的曲率,将轨迹分割成若干相互独立的子段.然后采用层次狄利克雷过程-隐马尔科夫模型对每个子段建模.最后在多示例学习框架下,以整条轨迹为包,正常轨迹为负包,异常轨迹为正包,轨迹子段为包的示例进行学习.通过实验验证,该方法在准确率和召回率上

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：512000
    • 提供者：weixin_38730389

  1. gensim：人类主题建模-源码

  2. gensim – Python中的主题建模 Gensim是用于主题建模，文档索引和大型语料库相似性检索的Python库。 目标受众是自然语言处理（NLP）和信息检索（IR）社区。 产品特点 所有算法均与语料库大小无关（可以处理大于RAM的输入，流式处理，核外处理）， 直观的界面 轻松插入您自己的输入语料库/数据流（简单的流式API） 易于使用其他向量空间算法（简单转换API）进行扩展 流行算法的高效多核实现，例如在线潜在语义分析（LSA / LSI / SVD） ，潜在狄利克雷分配（LDA

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：58720256
    • 提供者：weixin_42114645