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78頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：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、k-近鄰(KNN)算法是一種簡(jiǎn)單而有效的分類算法。傳統(tǒng)的KNN分類算法存在著參數(shù)k難以確定以及分類新數(shù)據(jù)時(shí)間耗費(fèi)大的兩個(gè)缺陷。kNN模型算法(簡(jiǎn)記KNNModel)是一種基于KNN原理的分類算法,它克服了傳統(tǒng)KNN分類算法的這兩個(gè)缺陷。KNNModel通過有監(jiān)督地構(gòu)建數(shù)據(jù)的多個(gè)KNN模型簇,以此代替原數(shù)據(jù)集作為分類的基礎(chǔ)。不但減少了對(duì)參數(shù)k的依賴,還提高了分類的速度和精度。
　　 本文探討了KNNModel的特點(diǎn)與存在問題,對(duì)其

2、進(jìn)行了改進(jìn)與擴(kuò)充,并將這些改進(jìn)算法分別應(yīng)用于入侵檢測(cè),信號(hào)肽預(yù)測(cè)等領(lǐng)域。主要工作包括:
　　 (1)基于KNN模型的增量學(xué)習(xí)算法(IKNNModd),通過在新訓(xùn)練樣本上生成不同“層”的模型簇,實(shí)現(xiàn)了基于KNNModel的增量學(xué)習(xí)算法。
　　 (2)基于增量KNN模型的分布式入侵檢測(cè)架構(gòu),將KNNModel算法應(yīng)用于入侵檢測(cè)領(lǐng)域,并通過分布式并行技術(shù)提高算法的效率和精度。
　　 (3)基于特征子空間的分類算法(FS

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明，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，若沒有圖紙預(yù)覽就沒有圖紙。
  • 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。

評(píng)論

0/150

提交評(píng)論