Posted on 2005-12-16 17:26
inwind 阅读(73)
评论(0) 编辑 收藏 引用
今天又开了一下午的会议，boss提出了一个很新颖的想法
因为当前的分类和聚类的实验，都是基于封闭或者半封闭的数据集，并且数据集是比较规整的，在向量空间上是不均匀的，即有利于划分的。
虽然，特征提取就是为了选择可以划分的向量，但是考虑到网络上的海量数据，测验的结果和封闭测试的可能悬殊很大。
基于这样的考虑，考虑使用多个分类或者聚类策略（这里使用策略一词，包括不同的特征选择策略的侧重，例如地点，时间等，也包括分类/聚类算法的选择，M-ray策略的选择等等），最后把每个分类/聚类算法的结果，以向量的形式给出，联成一个新的大向量，然后依次作分类/聚类。
这种思想是很新鲜的，但是，同样，当前的分类，聚类算法，比较复杂的也有将各种特征，进行分别提取和不同权值，产生了不错的效果。两种策略的比较，还需要实验来确定哦