首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   3篇
  自动化技术   3篇
  2013年   1篇
  2007年   1篇
  2005年   1篇
排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
动态粒度下的粗糙集近似   总被引:5,自引:0,他引:5       下载免费PDF全文
粒度计算是粗糙集理论研究的一种强有力的工具。本文讨论了粒度意义下的粗糙集近似,并定义了动态粒度下的正向近似。另外,本文还从粒度的角度讨论了聚类结果和先验知识的协调度问题,并提出了一种基于动态粒度下的正向近似的聚类算法。这些结果将有助于粒度计算和粗糙集理论的研究。  相似文献
2.
郝晓丽  谢克明 《计算机工程》2007,33(23):194-196
从粒度的角度讨论了聚类结果和先验知识的协调度问题,提出了一种基于动态粒度的并行免疫聚类算法。鉴于并行人工免疫系统模型具有并行、随机搜索、反复进化和模式多样性等特点,将其与动态粒度模型相结合,在粒度变化过程中,通过对粒度粗化和细化的调整,选择合适粒度,保证了算法的聚类效率和聚类质量。实验证明,该算法在处理多样本、多属性、多类别问题时,是一种有效的方法。  相似文献
3.
郭虎升  王文剑 《软件学报》2013,24(11):2535-2547
粒度支持向量机(granular support vector machine,简称GSVM)可以有效提高支持向量机(support vectormachine,简称SVM)的学习效率,但由于经典GSVM 通常将粒用个别样本替代,且粒划和学习在不同空间进行,因而不可避免地改变了原始数据分布,从而可能导致泛化能力降低.针对这一问题,通过引入动态层次粒划的方法,设计了动态粒度支持向量回归(dynamical granular support vector regression,简称DGSVR)模型.该方法首先将训练样本映射到高维空间,使得在低维样本空间无法直接得到的分布信息显示出来,并在该特征空间中进行初始粒划.然后,通过衡量样本粒与当前回归超平面的距离,找到含有较多回归信息的粒,并通过计算其半径和密度进行深层次的动态粒划.如此循环迭代,直到没有信息粒需要进行深层粒划时为止.最后,通过动态粒划过程得到的不同层次的粒进行回归训练,在有效压缩训练集的同时,尽可能地使含有重要信息的样本在最终训练集中保留下来.在基准函数数据集及UCI 上的回归数据集上的实验结果表明,DGSVR 方法能够以较快的速度完成动态粒划的过程并收敛,在保持较高训练效率的同时可有效提高传统粒度支持向量回归机(granular support vector regression machine,简称GSVR)的泛化性能.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号