排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对传统分类算法无法有效解决高度不平衡移动网络视频流U-vMOS分类问题,提出基于代价敏感(cost-sensitive)思想改进AdaBoost算法构造U-vMOS分类器,在迭代过程中,于样本权重更新环节引人代价敏感因子,增加对少数类(mi-nority)关注,最终 U-vMOS 分类器获得优秀 的查准率和查全率.实验结果表明,在数据非均衡条件下,改进AdaBoost算法F-Measure值和稳定性明显优于其它算法,能够为运营商和视频产业链提升用户体验给出有用的指导建议. 相似文献
2.
为了解决现有网络质量QoE感知模型数据粗差迭代次数多、线性回归参数小的问题,提出基于用户偏好的网络质量QoE感知建模仿真研究。依据用户偏好理论确定模型参数,并获取网络质量QoE感知数据,以此为基础,通过MCD算法判别并去除网络质量QoE数据粗差,以去除粗差的网络质量QoE数据为基础,利用ROI加权算法提取网络质量QoE数据特征,以得到的网络质量QoE数据特征为依据,将其代入多元线性回归方程计算网络质量QoE感知,实现了基于用户偏好的网络质量QoE感知。实验结果显示,与现有三种网络质量QoE感知模型相比较,构建的网络质量QoE感知模型降低了数据粗差迭代次数,提高了线性回归参数,充分说明构建的网络质量QoE感知模型具备更好的性能。 相似文献
3.
1