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

无线传感网络中，压缩感知数据恢复的一种贝叶斯分析，也许能用于分布式压缩感知-Wireless sensor networks, compressed sensing data recovery of a Bayesian analysis, may be used for distributed compressed sensing

基于人工神经网络的常用数字信号调制，包括主成分分析、因子分析、贝叶斯分析，毕设内容，高光谱图像基本处理。- The commonly used digital signal modulation based on artificial neural network, Including principal component analysis, factor analysis, Bayesian analysis, Complete set content, basic hyperspectra