实体
Granular-ball computing-based manifold clustering algorithms for ultra-scalable data
Granular-ball computing-based manifold clustering algorithms for ultra-scalable data
PulseAugur coverage of Granular-ball computing-based manifold clustering algorithms for ultra-scalable data — every cluster mentioning Granular-ball computing-based manifold clustering algorithms for ultra-scalable data across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的自适应 KNN 分类器使用粒状球体计算提高效率
研究人员开发了一种新颖的自适应 k-近邻 (KNN) 分类器，该分类器使用粒状球体计算。该方法包括一个两阶段过程：首先，将数据集划分为粒状球体，并使用 Fisher 判据指导球体分裂以创建多粒度表示。其次，在预测过程中，识别最近的粒状球体，并在测试样本周围形成自适应邻域。有效的“k”值由该邻域内的样本数量动态确定，与现有的 KNN 变体相比，从而提高了准确性和效率。
-
SCGNN 引入细粒度球体计算，实现可扩展图表示学习
研究人员推出 SCGNN，一个新颖的框架，旨在通过提高节点间语义一致性的捕获能力来增强图神经网络。该方法利用细粒度球体计算 (GBC) 有效地对节点进行分组并建模组级语义结构，与传统方法相比，降低了计算复杂性并提高了对噪声的鲁棒性。SCGNN 包含一个双重增强策略，包括一个注入组级语义信息的结构增强模块和一个用于更可靠信号生成的监督增强模块。