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61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、最小最大模塊化支持向量機(jī)(M3-SVM)是一種能夠有效處理大規(guī)模數(shù)據(jù)分類問(wèn)題的集成學(xué)習(xí)方法。為了提高對(duì)大規(guī)模數(shù)據(jù)和不平衡數(shù)據(jù)的分類性能,本文提出一個(gè)基于隨機(jī)子空間的M3-SVM算法,來(lái)實(shí)現(xiàn)降維和增加其特征層面上的集成機(jī)制。該方法通過(guò)提高基分類器準(zhǔn)確率,增加基分類器之間的差異性,最終提高整個(gè)最小最大模塊化“網(wǎng)絡(luò)”的集成性能。該方法除了提高大規(guī)模數(shù)據(jù)分類的性能,還能與并行計(jì)算系統(tǒng)相結(jié)合,充分利用其本身具有的并行特點(diǎn),極大提高其分類效率。本論

2、文主要研究?jī)?nèi)容包括以下兩個(gè)方面:
  第一,提出了基于隨機(jī)子空間的M3-SVM算法。該方法從特征層面上對(duì)各個(gè)基分類器的訓(xùn)練樣本進(jìn)行優(yōu)化,并且通過(guò)該方法獲得不同的特征子集來(lái)提高基分類器之間的差異性以得到更優(yōu)的分類性能,從而進(jìn)一步提高最小最大模塊化網(wǎng)絡(luò)的分類性能。
  第二,設(shè)計(jì)和實(shí)現(xiàn)了基于消息傳遞接口(MPI)的M3-SVM算法模型。M3網(wǎng)絡(luò)在提出之初就是考慮到要充分利用分布式并行計(jì)環(huán)境,來(lái)解決大規(guī)模數(shù)據(jù)的分類問(wèn)題。因此開發(fā)了

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