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、在對(duì)大規(guī)模數(shù)據(jù)集的模式分類過程中,過多的特征及大量的訓(xùn)練樣本都會(huì)引發(fā)分類的速度很慢及對(duì)計(jì)算機(jī)的內(nèi)存提出很高的要求等問題,所以在模式分類前要對(duì)數(shù)據(jù)集進(jìn)行必要的數(shù)據(jù)處理:特征選擇及樣本選擇,以去除與分類不相關(guān)的冗余特征,選擇出決定分類器非線性決策面的樣本集,用簡(jiǎn)化的訓(xùn)練集來訓(xùn)練分類器,以提高分類精度及減少對(duì)計(jì)算機(jī)的內(nèi)存要求。 正交設(shè)計(jì)和均勻設(shè)計(jì)是兩種常用的試驗(yàn)設(shè)計(jì)方法,二者均能夠利用較少的試驗(yàn)次數(shù)就可以找出因素間的最優(yōu)搭配。而支持向
2、量機(jī)能處理小樣本、具有很好的泛化能力且不受數(shù)據(jù)集維數(shù)的制約。結(jié)合三者的優(yōu)勢(shì),本文以支持向量機(jī)為分類器,分別提出了基于正交設(shè)計(jì)和均勻設(shè)計(jì)的的特征選擇方法。根據(jù)數(shù)據(jù)集的特征數(shù)目及相應(yīng)正交表和均勻表的結(jié)構(gòu),安排訓(xùn)練、測(cè)試,最后對(duì)優(yōu)選出的特征子集檢驗(yàn),仿真結(jié)果表明,這兩種特征選擇方法均能夠去除冗余特征而且能取得比使用特征全集更高的分類率。 支持向量機(jī)的一種改進(jìn)算法是簡(jiǎn)約支持向量機(jī)(Reduced Support Vector Machi
3、ne,簡(jiǎn)稱RSVM),該算法在訓(xùn)練集中任意選取一部分樣本作為支持向量來求解無約束優(yōu)化問題和構(gòu)造非線性決策面,相對(duì)于求解支持向量機(jī)原問題的有約束非線性規(guī)劃問題,減少了計(jì)算難度和計(jì)算時(shí)間,并且減輕了計(jì)算機(jī)的內(nèi)存需求,比標(biāo)準(zhǔn)的SVM的性能在一定程度上有所提高。但是,由于任意選取的樣本集不具有代表性,仿真結(jié)果缺乏穩(wěn)定性,因此,本文提出利用減法聚類法分別找出數(shù)據(jù)集中每類樣本的最佳聚類數(shù)目,再利用模糊C均值聚類法找出屬于每類樣本各個(gè)聚類中心的樣本點(diǎn)
溫馨提示
- 1. 本站所有資源如無特殊說明,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。
最新文檔
- 基于數(shù)據(jù)倉(cāng)庫(kù)的大規(guī)模數(shù)據(jù)集分類數(shù)據(jù)挖掘研究與設(shè)計(jì).pdf
- 基于大規(guī)模數(shù)據(jù)集的知識(shí)適配研究.pdf
- 基于大規(guī)模數(shù)據(jù)庫(kù)的多級(jí)指紋分類研究.pdf
- 大規(guī)模數(shù)據(jù)集高效數(shù)據(jù)挖掘算法研究.pdf
- 面向大規(guī)模數(shù)據(jù)集的相關(guān)向量機(jī)分類算法研究與應(yīng)用.pdf
- 面向大規(guī)模數(shù)據(jù)集的譜聚類方法研究.pdf
- 大規(guī)模數(shù)據(jù)集下核方法的技術(shù)研究.pdf
- 基于支持向量機(jī)的多屬性大規(guī)模數(shù)據(jù)分類算法的研究.pdf
- 基于Hadoop的移動(dòng)運(yùn)營(yíng)大規(guī)模數(shù)據(jù)治理.pdf
- 大規(guī)模數(shù)據(jù)流的頻繁模式挖掘方法的研究.pdf
- 基于RGB-D大規(guī)模數(shù)據(jù)集的人體行為識(shí)別算法研究.pdf
- 基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究.pdf
- 基于大規(guī)模數(shù)據(jù)庫(kù)的人臉識(shí)別研究.pdf
- 大規(guī)模數(shù)據(jù)聚類分析方法研究.pdf
- 大規(guī)模數(shù)據(jù)集分布式存儲(chǔ)模型LDDSS的研究與實(shí)現(xiàn).pdf
- 面向大規(guī)模數(shù)據(jù)集的自適應(yīng)聚類算法并行化研究.pdf
- 基于GPU大規(guī)模數(shù)據(jù)體繪制方法研究與實(shí)現(xiàn).pdf
- 基于長(zhǎng)間隔大規(guī)模數(shù)據(jù)的地圖匹配技術(shù)研究.pdf
- 基于新型計(jì)算架構(gòu)的大規(guī)模數(shù)據(jù)連接查詢優(yōu)化.pdf
- 面向大規(guī)模數(shù)據(jù)分析與分類的正則化回歸算法.pdf
評(píng)論
0/150
提交評(píng)論