Άδεια Χρήσης
Αναφορά-Μη-Εμπορική Χρήση-Παρόμοια Διανομή
Περιγραφή
Εισαγωγή και εξοικείωση με τις μεθόδους, Clustering, K-means, Expectation Maximization (EM), Spectral Clustering.
2015-11-11
318
Δημιουργός
Βαζιργιάννης Μιχάλης
Ιδιότητα
Καθηγητής
Τομέας/Κλινική/Εργαστήριο
Τμήμα
Πληροφορικής
Ίδρυμα
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ
Είδος
Διάλεξη
Ομιλητές
Βαζιργιάννης Μιχάλης Καθηγητής
Μάθημα
Εξόρυξη γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό
Εξάμηνο
7o
Κωδικός Μαθήματος
(εσ) 25717679
(Κωδική Ονομασία) 25717679
(Γραμματεία)
---
(LMS)
---
Διαμόρφωση Πολυμεσικού Αρχείου-Διάρκεια
MP4
-
00:20:58
Πηγή
Συνεργείο Eικονοληψίας
Αίθουσα
Μη διαθέσιμο
Τύπος Παρουσίασης-Διάρκεια
Παρουσίαση από αρχείο PDF
-
8 Διαφάνειες
Υπότιτλοι
Μη διαθέσιμο
Θεματικές Κατηγορίες
Επιστήμες Υπολογιστών, Πληροφορικής, Τηλεπικοινωνιών
Λέξεις Κλειδιά
Clustering
Partitional method
K-means
time complexity
speed-up tricks
Expectation Maximization
Gaussian Mixture Models
E step
M step
Hierarchical Clustering
Association Mining
Apriori Algorithm
Spectral Clustering
Graph-Cut
Min-Cut
Graph Laplacian
Ratio Cut
Normalized Cut
Algorithm for k>2
Laplacian-Eigenvectors-EigenValues
Modularity function
Newman-Girvan algorithm