1) clustering learning
聚类学习
1.
The property of clustering learning of the DRNN makes it very suitable for real-time speech recognition with on-line learning ability.
DRNN聚类学习的性能使得它非常适用于与在线学习方式相结合的实时语音识别系统。
2.
The discretization method is performed by selecting the most significant attribute from the discretized attributes, then making clustering learning on it together with the continuous attribute to be dis.
受此启发 ,在连续属性离散化方法中可把它用于属性选择 ,即从已离散化的属性集中选择出属性重要度最高的属性 ,再把它和待离散化的连续属性一起进行聚类学习 ,得到该连续属性的离散区间。
3) category learning method
聚类学习方法
1.
In the category learning methods based on neural networks,they are devided into supervised learning method and unsupervised learning method.
在基于神经网络的聚类学习方法。
4) feature learning clustering
特征学习聚类
1.
Meanwhile,we apply the function into feature learning clustering in order to counteract the negative affects by the given f.
为此,通过研究、分析Relief算法及其在聚类应用中存在的问题,提出了一种基于Relief算法的特征评价函数,并将此函数运用到特征学习聚类中,以解决特征权值取值不当对聚类产生的负面影响。
5) nearest neighbor-clustering algorithm
最近邻聚类学习算法
6) supervised ellipsoid clustering
监督椭球聚类学习
补充资料：类属学习
类属学习
subordinate learning
类属学习(sub。rdinate learning)类属是指在命题学习或概念学习中，把新知识归属于原有认知结构的某一适当部位并使之相互联系的过程。通过这一过程而获得一定意义的学习，就叫做类属学习。它可以区分为两种:(l)派生类属学习。在这种学习中，新知识是认知结构中原有知识的派生物，或者是原有概念的特例，或者是原有命题的例证，是从原有的具有更高包摄性和概括性的概念或命题中派生出来的。例如，认知结构中已有“具有光泽、延展性、易导电、传热等性质的物质是金属”这一知识，当学习新知识“锰”时，只要知道“锰”是“金属”中的一种，便会获得“锰也具有光泽、延展性、易导电、传热等性质”这意义。可见，“锰”这一新知识是从原有知识“金属”派生出来的。(2)相关类属学习。在这种学习中，新知识类属于原有的具有较高概括性的概念或命题，由于二二者的相互作用，使原有的概念或命题得到扩展、深化、修饰或限定，使新知识获得意义。例如，过去己经知道“挂国旗是爱国行动”，现在学习一个新命题:“保护燃料是爱国行动”。新命题类属于原有的“爱国行动”中，结果新命题获得意义，原有的“爱国行动”被扩展或深化。在这一学习中，新命题一与具有较高概括性的类属者(’’爱国行动，’)结合，发生相互作用。但新命题的意义并未完全蕴含在“爱国行动”之中，也不能为其所代表。 (成立夫撰{巫国审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条