关键词normalized mutual information
搜索结果 - 6
- 基于合理粒度原则的聚类生成引领粒团
本研究介绍了一种利用可证明粒度原理为质量评估的数据聚类方法，并采用二叉树修剪策略和异常检测方法确定每个 GB 的最佳子 GB 组合和识别异常 GB，从而最大化生成的 GB 质量并提高聚类准确性和归一化互信息。
- MM相互指导的动态网络图像融合
我们提出了一种新颖的相互引导动态网络（MGDN）用于图像融合，该网络允许有效地利用来自不同位置和输入的信息。实验结果表明，我们提出的方法在四种图像融合任务上优于现有方法。
- 使用归一化互信息进行无监督的科学文摘分割
该研究考察了使用标准化互信度以及贪心算法分割科技论文摘要成为前提和结论的有效性，表明该方法可以应用于结构化和非结构化论文摘要，并且在所有的评估指标中表现优异。
- DORIC：通过依存解析实现开放式意图聚类的领域鲁棒微调
该研究介绍了他们在 Dialog System Technology Challenges 11（DSTC11）中跟踪 2 中的工作。 DSTC11-Track2 旨在为零 - shot、跨领域、意图集归纳提供基准。他们利用多领域对话数据集 - 社区检测方法评估
本文提出了一种方法，将计算出的社区标签映射到基准标签中，并使用 kappa 指数和 F-score 来评估检测到的社区结构。实验结果证明了我们方法的优势，解决了现有指标在计算社区结构质量时出现的问题。
- 使用归一化互信息评估重叠社区发现算法
本文研究了算法精度的量化计量问题，基于正则化互信息熵提出了一种标准化测量方法，并与 Omega 指数等其他方法进行比较，以解决社交网络分析领域中重叠聚类的精度计量问题。