已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of Ca

是机器学习的例程，最大信噪比的独立分量分析算法，在matlab环境中自动识别连通区域的大小。- Machine learning routines, SNR largest independent component analysis algorithm, Automatic identification in the matlab environment the size of the connected area.

这个机器学习算法具有广泛的应用性，推荐给需要的人！