排序方式: 共有24条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
一种改进的支持向量机BS-SVM 总被引:1,自引:1,他引:0
提出了一种改进的SVM:BS-SVM,它先对训练样本进行分类,根据每个样本到模式类样本均值的距离,将训练样本分为三种:好样本、差样本、边界样本,然后用边界样本训练得到分类器.实验表明,BS-SVM相比SVM在分类正确率、分类速度以及使用的样本规模上都表现出了一定的优越性. 相似文献
5.
一种改进的支持向量机多类分类方法 总被引:1,自引:0,他引:1
提出一种新的基于二叉树结构的支持向量机(SVM)多类分类方法.该方法解决了现有主要算法中存在的不可分区域问题,具有简单、直观、重复训练样本少的优点.为了提高分类模型的推广能力,必须使样本分布好的类处于二又树的上层节点,才能获得更大的划分空间.因此,该算法采用类间散布度量与类内散布度量的比值作为二叉树的生成算法.采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性. 相似文献
6.
通过对欧氏距离度量的分析,提出了自适应距离度量.首先利用训练样本建立自适应距离度量模型,该模型保证了训练样本到相同模式类的距离最近,到不同模式类的距离最远,根据该模型建立目标函数,求解目标函数,得到最优权重.基于最小距离分类器和K近邻分类器,采用UCI标准数据库中部分数据,对提出的自适应距离度量和欧氏距离度量进行了实验比较,实验结果表明自适应距离度量更有效. 相似文献
7.
8.
近年来,高等职业教育蓬勃发展,以素质为基础,以能力为本,面向就业岗位培养高素质人才已成为社会共识。《工程测量》课程作为土木工程专业的一门重要的专业课,如何使工程测量这门课程的实训教学适应企业的需要,值得探讨。 相似文献
9.
基于类内类间离散度的分类器设计方法 总被引:1,自引:0,他引:1
提出了一种基于类内类间离散度的最小距离分类器设计方法.该方法解决了分类过程中样本点分散和样本不可分问题.基本思想是:利用训练样本定义类内类间离散度矩阵,根据对离散度矩阵的分析,建立目标函数,求解目标函数,得到一组最优解.在分类时,应用最优解进行加权定义,从而获得更好的识别结果.采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性. 相似文献
10.