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、支持向量機(jī)由于其出色的推廣能力,在近幾年得到廣泛的研究。雖然支持向量機(jī)在兩分類和多分類方面都取得很大進(jìn)展,但是仍有待進(jìn)一步的研究和改善。在兩分類中,SVM在大規(guī)模數(shù)據(jù)上訓(xùn)練速度很慢,利用數(shù)據(jù)提取的方法可以減少訓(xùn)練樣本數(shù)目,從而加快訓(xùn)練速度。 本文利用馬氏距離和“aσ-方法”提出新的數(shù)據(jù)提取方法,在進(jìn)行數(shù)據(jù)提取時(shí)根據(jù)樣本點(diǎn)到訓(xùn)練集的馬氏距離來確定樣本點(diǎn)與樣本集的位置關(guān)系,從而只提取對(duì)于建立超平面有作用的樣本點(diǎn),并避免了以往的數(shù)據(jù)提
2、取方法很強(qiáng)的隨機(jī)性。在數(shù)據(jù)提取的過程中還考慮到了提取的數(shù)據(jù)占原來總樣本集數(shù)目的比例,通過調(diào)整a的值,可以控制數(shù)據(jù)提取的數(shù)量,避免提取后訓(xùn)練樣本集的數(shù)據(jù)太多或太少,并加快了支持向量機(jī)的訓(xùn)練速度。對(duì)于多分類問題,本文在聚類分類的基礎(chǔ)上,根據(jù)二叉樹思想,提出了一種新的聚類算法來進(jìn)行多分類。此方法充分利用二叉樹中分兩類的簡(jiǎn)便之處,將多類的聚類簡(jiǎn)化為點(diǎn)的聚類,從而避免了以往聚類方法中可能出現(xiàn)的同一類的點(diǎn)在聚類中變成不同類的問題,并結(jié)合選址問題中固
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。
最新文檔
- 基于聚類融合投票和SVM的非平衡數(shù)據(jù)分類方法研究.pdf
- 高維分類數(shù)據(jù)聚類方法研究與實(shí)現(xiàn)
- 高維分類數(shù)據(jù)聚類方法研究與實(shí)現(xiàn).pdf
- 聚類結(jié)果評(píng)價(jià)方法與聚類知識(shí)提取技術(shù)的研究.pdf
- 分類數(shù)據(jù)的增量聚類算法研究與應(yīng)用.pdf
- 基于數(shù)據(jù)關(guān)系的SVM多分類方法研究.pdf
- 聚類方法在生物數(shù)據(jù)中的研究與應(yīng)用-基因表達(dá)數(shù)據(jù)聚類方法研究.pdf
- 數(shù)據(jù)挖掘分類與聚類算法并行化研究.pdf
- 分類型數(shù)據(jù)的聚類算法研究.pdf
- 分類數(shù)據(jù)的并行聚類算法研究.pdf
- 流數(shù)據(jù)的聚類分類算法研究.pdf
- 企業(yè)崗位聚類與考核指標(biāo)提取方法研究.pdf
- 基于二分類SVM的多分類方法比較研究.pdf
- 基于FBT的改進(jìn)SVM多類分類方法研究.pdf
- 分類屬性數(shù)據(jù)聚類算法研究.pdf
- 肺結(jié)節(jié)CT圖像特征提取及SVM分類方法研究.pdf
- SVM中兩類常用分類方法的關(guān)系研究.pdf
- 基于SVM的MODIS數(shù)據(jù)土地覆蓋分類方法研究.pdf
- 基于聚類與流形正則化的分類方法研究.pdf
- 數(shù)據(jù)挖掘中分類屬性數(shù)據(jù)聚類研究.pdf
評(píng)論
0/150
提交評(píng)論