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),請進行舉報或認領
文檔簡介
1、隨著科學技術,信息技術的進步,大數(shù)據(jù)時代已經(jīng)來臨,在很多領域都存在維數(shù)災難的問題,如何解決維數(shù)災難問題是當今科學界都在思考的問題,因此性能越突出的特征約簡算法成為研究的熱點問題,常應用于醫(yī)學數(shù)據(jù)處理領域和生物數(shù)據(jù)處理領域,常用的特征約簡算法有特征選擇算法和特征提取算法,此兩種方法都可以很好的將特征屬性進行“降維”處理。但是兩種方法都存在各自的優(yōu)點和缺點,如何利用它們兩者優(yōu)點摒棄缺點也為人們在特征約簡的過程中提供了非常好的研究思路與研究方
2、向?
本論文分別從特征選擇和特征提取的角度對特征屬性進行約簡研究,分別通過三個特征約簡的算法對數(shù)據(jù)的特征屬性進行約簡?,F(xiàn)階段特征特征選擇算法與分類算法是分別單獨設計的,兩種算法兼容性比較差。如何解決兼容性差的問題呢。設計出一種基于互信息與支持向量機器的特征約簡方法,合理的將互信息的相關知識與支持向量機的相關參數(shù)協(xié)調(diào)設計,該算法在將特征屬性進行選擇、提取,將特征集合中的不相關項冗余項進行剔除,將最有價值的特征屬性保留下來同時將后
3、續(xù)分類器的相關設計也同時進行。應用主成分分析進行特征約簡雖然可以很大程度上進行特征約簡,但是算法并沒有考慮到類別屬性對特征提取的影響。結(jié)合主成分分析和互信息的優(yōu)點提出新的特征提取算法,此算法可以將高維特征屬性進行大比例的約簡,并能從中分析特征屬性的主要因素和最優(yōu)的分離平面。最后的一個算法對樣本的線性判別準則與FISHER算法進行不同角度的改進,并提出一種新的特征約簡算法,此算法將依據(jù)樣本數(shù)據(jù)集中同類樣本數(shù)據(jù)的類內(nèi)散度及不相同類的樣本數(shù)據(jù)
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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 視覺模式識別中的表示與分類方法研究.pdf
- 模式識別中的特征選擇與評價方法研究.pdf
- 多分類器融合模式識別方法研究.pdf
- 醫(yī)學圖像模式識別中特征向量提取方法的研究.pdf
- 幾種模式識別方法在高階數(shù)據(jù)分類中的應用.pdf
- 模式識別中幾類降維方法的研究.pdf
- IDS中模糊模式識別方法的研究.pdf
- 基于模式識別技術的雷達輻射源分類識別方法研究.pdf
- 基于多元圖特征基元的模式識別方法研究
- 基于模式識別方法的多光譜遙感圖像分類研究.pdf
- 基于多元圖特征基元的模式識別方法研究.pdf
- 模式識別的核方法研究.pdf
- 模式識別在氣體樣品分類中的應用研究.pdf
- 模式識別中核方法若干問題研究.pdf
- 模式識別 第二章 特征選擇方法
- 基于多分類器集成的模式識別研究.pdf
- 基于昆蟲形狀特征的模式識別.pdf
- 基于磁共振影像腦疾病分類的模式識別方法研究.pdf
- 基于特征評價的模式識別算法研究.pdf
- 心電圖常見疾病的統(tǒng)計模式識別分類方法的應用研究.pdf
評論
0/150
提交評論