共查询到10条相似文献,搜索用时 234 毫秒
1.
2.
基于自适应权重法的K-means模型对遥感图像分割 总被引:1,自引:0,他引:1
《计算机应用与软件》2019,(5)
针对传统K-means算法不易获得最优质心及易于趋向局部最优的问题,提出一种基于最优权重法的K-means模型对遥感图像分割的方法。使用二维高斯函数对遥感图像进行滤波平滑处理,减少噪声对像素点的影响;依据早熟收敛度和自适应值进行调整,找到最优权重作为初始聚类中心,从而有效地跳出局部最优;将样本分配到每个聚类中心,不断进行迭代更新簇中心,直至算法最终收敛。实验结果表明,该算法的分割精度有较明显的提高。与传统的K-means分割算法及GA分割算法相比,该算法对遥感图像分割的效果更为明显。 相似文献
3.
文章针对GARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的GARCH模型,更加精确地动态度量了证券市场收益序列的条件"异方差",并且和基本粒子群算法及其两种改进算法的实验结果进行了比较,最后对指数进行了走势预测. 相似文献
4.
AdaBoost算法的一种改进方法 总被引:10,自引:0,他引:10
Boosting是一种改善任意给定的机器学习算法准确性的通用方法.主要针对AdaBoost算法,介绍了AdaBoost算法的研究背景.分析了实验过程中出现的退化问题以及目标类权重分布扭曲的现象,提出了一种基于调整权重分布,限制权重扩张的改进方法,最后给出了实验结果和分析. 相似文献
5.
文章针对ARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的ARCH模型,更加精确地动态度量了证券市场收益序列的条件“异方差”,进行了指数走势预测。 相似文献
6.
7.
结合奇异值分解和时间权重的协同过滤算法 总被引:1,自引:0,他引:1
顾申华 《计算机应用与软件》2010,27(6):256-259
协同过滤是现阶段最成功的推荐技术之一.提出一种结合奇异值分解和时间权重的协同过滤算法.与使用奇异值分解来降维的最近邻法不同,该算法通过梯度下降法进行奇异值分解,并直接将分解的结果用于预测评分.同时,该算法根据评分时间,为每个评分赋予不同的时间权重,考虑了用户兴趣随时间的变化.实验表明,该算法相较于传统协同过滤算法,能够获得更高的推荐精度. 相似文献
8.
在多线接入电话终端项目中,对语音进行处理是一个非常重要的部分。语音的处理包括静噪,回声消除和混音几个部分。其中混音技术,关系到在电话终端的语音质量,在应用中尤为重要。在系统中,需要使用SEP4020对多路的语音进行混音合成。该文对混音算法及其在SEP4020上的应用做了讨论。 相似文献
9.
10.
粒子群算法是一个有效的快速寻找连续函数极值的方法,它规则简单,编程易于实现.突破传统经济计量学“同方差条件”的限制,引入了GARCH模型,针对GARCH模型传统估计方法的不足,提出利用粒子群及其改进算法,快速精确地估计证券市场GARCH模型的参数,动态的度量描述证券市场收益序列的条件异方差;并利用算法建立美国证券市场道琼斯指数收益的GARCH模型,进行了走势预测,实例证明它是一个简单有效的算法. 相似文献