2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩55頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、傳統(tǒng)的粗糙集理論是一種處理不完備、不完整數(shù)據(jù)的智能計(jì)算方法。傳統(tǒng)的模糊集理論也是一種重要的處理不精確,不確定信息的數(shù)學(xué)工具。模糊粗糙集是模糊集理論和粗糙集理論的有機(jī)結(jié)合體。模糊粗糙集可以靈活的處理模糊或者不精確的連續(xù)實(shí)值數(shù)據(jù)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法可以用來(lái)數(shù)據(jù)分類,但是需要人為設(shè)置大量的網(wǎng)絡(luò)訓(xùn)練參數(shù),并且很容易在沒(méi)達(dá)到全局最優(yōu)解之前,產(chǎn)生局部最優(yōu)解。為了解決這些問(wèn)題,學(xué)者提出了一種新的單隱層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,即極限學(xué)習(xí)機(jī)算法。其主要

2、思想是,它可以隨機(jī)初始化輸入權(quán)重和偏置,與傳統(tǒng)的學(xué)習(xí)算法相比,極限學(xué)習(xí)機(jī)訓(xùn)練速度更快,具有更好的泛化性能,更易解決局部最小值和過(guò)擬合等問(wèn)題。
  在分類任務(wù)中,特征的重要程度起著關(guān)鍵性的作用。但是在實(shí)際的應(yīng)用中,不相關(guān)的特征存在,分類器的性能不可避免會(huì)產(chǎn)生下降。為了解決上述這些問(wèn)題,本文提出了一個(gè)應(yīng)用比較廣泛的特征加權(quán)框架,并將該框架成功地運(yùn)用于三種不同的近鄰分類算法中來(lái)實(shí)現(xiàn)數(shù)據(jù)的分類。這三種不同的算法分別為:基于進(jìn)化極限學(xué)習(xí)機(jī)的

3、加權(quán)近鄰分類算法、基于進(jìn)化極限學(xué)習(xí)機(jī)的特征加權(quán)近鄰等價(jià)分類算法和基于進(jìn)化極限學(xué)習(xí)機(jī)的加權(quán)模糊粗糙近鄰分類算法。該論文提出的三種分類算法的相同點(diǎn)是使用基于進(jìn)化極限學(xué)習(xí)機(jī)的特征加權(quán)框架,三者的不同點(diǎn)是將特征加權(quán)分別應(yīng)用于三種不同的近鄰算法中?;谶M(jìn)化極限學(xué)習(xí)機(jī)的加權(quán)近鄰分類算法是將特征加權(quán)應(yīng)用到K近鄰分類算法中,實(shí)驗(yàn)證明了新的分類算法比較成功地提高了分類器的性能?;谶M(jìn)化極限學(xué)習(xí)機(jī)的加權(quán)近鄰等價(jià)分類算法是將特征加權(quán)應(yīng)用K近鄰等價(jià)分類算法中,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論