共查询到17条相似文献,搜索用时 62 毫秒
1.
在模式识别时常常需要对模式进行分类,线性可分模式的分类是其中最基本的一种.常用的线性分类算法是LMSE算法,它们在本质上都属于几何分类法,当模式线性可分时,一般都能达到令人满意的效果.然而考虑到LMSE算法并非是最简单和有效的线性分类算法,本文基于神经网络中单层感知器的概念,利用单层感知器可以把输入空间划分成两个区域来进行输入向量分类的特点,提出了在模式线性可分时用神经网络中单层感知器进行模式划分的一种新算法.然后对该线性分类算法的原理和算法过程进行了阐述,最后用MATLAB实现了这种分类算法,并解决了两个不同类型的线性模式的划分问题. 相似文献
2.
维吾尔语自动标注是维吾尔语信息处理后续句法分析、语义分析及篇章分析必不可少的基础工作。词性是词的重要的语法信息,假如一个词的词性无法确定或一个词给予错误的词性,对后续句法分析造成直接的影响。本文使用感知器训练算法和viterbi算法对维吾尔语进行词性标注,并在词性标注时利用词的上下文信息作为特征。实验结果表明,该方法对维吾尔语词性标注有良好的效果。 相似文献
3.
4.
基于感知器模型的布尔函数实现 总被引:1,自引:0,他引:1
通过对感知器模型的研究,结合数字电路知识,实现了基本逻辑运算,并通过MATLAB验证了感知器能够实现逻辑运算,并能进行正确分类。 相似文献
5.
通过对感知器模型的研究,结合数字电路知识实现了基本逻辑运算,同时用MATLAB验证了感知器能够实现逻辑运算,并能进行正确分类. 相似文献
6.
7.
提出了一种单层感知器网络训练的新算法,证明了对于线性可分问题和线性不可分问题,算法总是在有限步内终止,算法的迭代次数以模式数为上界;而且,在算法终止时,对于线性可分问题,总是能得到正确的权向量解,所以,如果在算法结束时还不能划分所有模式,则说明给定的模式集确是不可线性划分的。 相似文献
8.
多层前馈感知器的高阶序贯非线性Kalman滤波学习算法 总被引:5,自引:0,他引:5
本文提出了高阶序贯非线性增广Kalman滤波,并将其应用于多层前馈感知器的学习问题。文中给出了MLPs和SEKF算法,得到了与BP算法类似的正向与φ反向传播过程,并且详细地推导了核心的量测Jacobian矩阵。结合一非线性正弦函数,DEKF和SEKF的仿真结果被进一步给出。 相似文献
9.
支持向量机增量算法的关键是对历史样本集的剪辑,在历史样本集中选择出尽可能少又能表示尽可能多历史样本集信息的子集,再把这个子集与新增训练样本集放在一起进行训练.Liva Ralaivola[1]提出保留新增样本最近邻样本来表示历史样本集,而这样的最近邻样本中可能存在冗余样本.根据历史样本与分类平面间的距离可以去除新增样本最近邻样本集中的冗余样本.根据样本平面距离提出了MSPDISVM (minimum sample plane distance incremental support vector machines)算法.实验结果表明,MSPDISVM比Liva Ralaivola提出的算法有更快的速度,而精度没有太大的差异.使用样本平面距离可以有效地去除新增样本最近邻中的冗余样本. 相似文献
10.
对大型数据库中关联规则挖掘的频繁模式维护问题进行了研究,提出一种增量更新算法(Update Frequent Pattern List,UFPL).该算法基于频繁模式表(FPL),可以处理数据库数据增加和最小支持度都发生改变的情况下关联规则的维护问题.最后,利用公共测试数据集,对算法性能进行测试,相对于快速更新(Fast Update,FUP)算法和增量维护(Incremental Maintenance,IM)算法,其效率有较大改进. 相似文献
11.
针对传统的AdaBoost算法中,存在的噪声样本造成的过拟合问题,提出了一种基于噪声检测的AdaBoost改进算法,本文称为NAdaBoost(nois-detection AdaBoost). NAdaBoost算法创新点在于针对传统的AdaBoost算法在错误分类的样本中,噪声样本在某些属性上存在很大差异,根据这一特性来确定噪声样本,再重新使用算法对两类样本进行分类,最终达到提高分类准确率的目的. 本文对二分类问题进行实验结果表明,本文提出的算法和传统的AdaBoost算法,以及相关改进的算法相比,有较高的分类准确率. 相似文献
12.
13.
14.
日侧冕状极光是太阳风与地球磁层相互作用产生的典型电离层踪迹,对其正确分类对研究空间天气活动尤为重要。根据冕状极光的形态特征,提出了一种基于静态图像分类的日侧冕状极光检测算法。首先提取极光样本图像的Gabor特征,利用K均值聚类算法进行基于有监督聚类的训练样本选择,保证训练样本的多样性和代表性。然后引入AdaBoost算法进行特征选择并构建级联分类器实现日侧冕状极光的检测。在北极黄河站采集到的实测极光图像数据库上所做的分类实验结果表明了算法的有效性。 相似文献
15.
感知机是模式识别领域的二分类判别模型,具有简单、线性和运算效率高的优点,也是众多分类器的基础。然而,感知机无法表达复杂的非线性映射,难以处理非线性可分数据。针对感知机的固有缺陷,结合粒计算特性,本文提出了一种新型的感知机分类模型——粒感知机。通过粒计算理论,样本在单特征上的粒化形成粒子,多特征上的粒化构造成粒向量;进一步定义粒感知机模型,设计粒感知机策略,提出粒感知机学习算法。为了求解粒感知机的优化解,证明了粒感知机损失函数的导数形式,设计了梯度下降算法,并从收敛速度、非线性能力与分类精度多方面进行了实验比较,结果表明所提出的粒感知机模型具有收敛速度快与非线性处理数据的能力。 相似文献
16.
We present results of computational experiments with an extension of the Perceptron algorithm by a special type of simulated annealing. The simulated annealing procedure employs a logarithmic cooling schedule
, where
is a parameter that depends on the underlying configuration space. For sample sets S of n-dimensional vectors generated by randomly chosen polynomials
, we try to approximate the positive and negative examples by linear threshold functions. The approximations are computed by both the classical Perceptron algorithm and our extension with logarithmic cooling schedules. For
and
, the extension outperforms the classical Perceptron algorithm by about 15% when the sample size is sufficiently large. The parameter was chosen according to estimations of the maximum escape depth from local minima of the associated energy landscape.
相似文献