Overview of Cluster Analysis and Dirichlet Process Mixture Models
在伦敦帝国理工学院机器学习硕士学位的 ISO 研究项目中，我专注于使用狄利克雷过程混合模型进行聚类分析的问题。DPMM 是一种“完全贝叶斯”无监督学习技术，与其他聚类分析方法不同，它不需要我们预先定义聚类总数 [...]
Arctostaphylos nipumu T.Abbo、M.A.Stickrod、A.Krohn、V.T.Parker、M.C.Vasey、W.Waycott & A.Litt.，载于 Abbo、Stickrod、Krohn、Parker、Vasey、Waycott et Litt，2025。DOI： doi.org/10.3897/phytokeys.251.139172摘要在研究 Arctostaphylos 物种在加利福尼亚州圣巴巴拉县萨尔角和伯顿梅萨混合种群中杂交的潜力时，我们发现来自尼波莫梅萨（圣路易斯奥比斯波县）的 Arctostaphylos（以前被认为是 A. rudis
圣乔治山 (瑞士、意大利) 的海洋保护沉积物：三叠纪黑色页岩 Lagerstätten 的原型。Klug、Spiekman、Bastiaans、Scheffold et Scheyer，2024 年。DOI：10.1186/s13358-024-00308-7 摘要海洋保护沉积物 (“Konservat-Lagerstätten”) 以其化石保存方式、动物群组成和沉积相为特征。在这里，我们结合著名的 Besano 组保护沉积物（以前的 Grenzbitumenzone；包括 Anisian-Ladinian 边界）以及更年轻的化石含层单元 Cava superiore、Cava superio
Deep Recurrent Neural Nets with Long Short Term Memory
再次。LTSM 可能正在成为循环 NN 建模中的大问题。我之前写过博客（例如这里），但我仍然不太了解它。有人了解吗？也许它只是一种避免消失梯度问题的手段（并不是说这并不重要）；也许它更重要。这篇新论文写得很好，突出介绍了 LSTM。DONUT 集成组合预测方法作者：Lars Lien Ankile；Kjartan Krange摘要：本文提出了一种集成预测方法，通过减少特征和模型选择假设，在 M4Competition 数据集上显示出强劲的结果，称为 DONUT（不使用人类假设）。我们的假设减少主要由自动生成的特征和更多样化的集成模型池组成，其表现明显优于 Montero-Manso 等人（20
Clustering with Dirichlet Process Mixture Model in Java
在之前的文章中，我们详细讨论了狄利克雷过程混合模型及其在聚类分析中的应用。在本文中，我们将介绍两种不同 DPMM 模型的 Java 实现：可用于聚类高斯数据的 Dirichlet 多元正态混合模型和 Dirichlet-多项式混合模型 […]
Finite Mixture Model based on Dirichlet Distribution
这篇博文是关于狄利克雷过程混合模型的系列文章的第二部分。在上一篇文章中，我们概述了几种聚类分析技术，并讨论了使用它们时出现的一些问题/限制。此外，我们简要介绍了狄利克雷过程混合模型，并讨论了它们为什么 [...]
Clustering of reports on fixes to software used in network equipment
本文考虑了与评估嵌入式系统质量相关的问题，并根据从开源获得的信息提出了解决方案。本文考虑了限制研究电信设备样本的可能性的技术。本文的主要部分涵盖了对软件制造商引入的有关网络设备软件修改的公开信息进行聚类分析所获得的结果。在分析过程中，对来自三个制造商的 38 个型号的路由器进行了研究。根据软件修复报告的聚类分析结果，在每个制造组织内确定了传统的开发人员群体。根据制造商参与维持所开发产品的高质量的程度得出结论。
