原型选择相关论文
随着数据的获取渠道、维度及数量的增加,人们直接收集到的数据集中可能包含着许多噪声、失实、冗余等影响数据集质量的实例。这些......
图作为一种结构化的信息表示形式,在模式识别领域中日益得到广泛重视。图嵌入方法结合统计学习理论中向量空间的优势,将图嵌入至一......
随着计算机在数据采集和数据存储方面的技术迅猛发展,机器学习应用经常碰到越来越大的数据集。大部分机器学习算法的时间、空间复......
针对传统K近邻分类器在大规模数据集中存在时间和空间复杂度过高的问题,可采取原型选择的方法进行处理,即从原始数据集中挑选出代......
软件缺陷预测是典型的类不均衡学习问题,其中有缺陷的样本数量远少于无缺陷的样本数量,但有缺陷的样本通常是预测的重点;现有的软......
在定制改造开发过程中选择合适的原型系统，可以达到提高定制改造过程效率、减少开发成本、缩短开发周期的目的．在定制改造过程的原型......
压缩近邻法是一种简单的非参数原型选择算法，其原型选取易受样本读取序列、异常样本等干扰．为克服上述问题，提出了一个基于局部均值与......
图嵌入方法为结构化模式识别问题转化为统计模式识别问题搭建了桥梁。而随着训练样本集规模的增加,为避免图嵌入时的"维度灾难"现......
针对传统原型选择算法易受样本读取序列、异常样本等干扰的缺陷，通过分析原型算法学习规则，借鉴最近特征线法思想，改进传统原型算法，提......
针对传统分类技术对不均衡电信客户数据集中流失客户识别能力不足的问题,提出一种基于差异度的改进型不均衡数据分类(IDBC)算法。......
K最近邻居是最流行的有监督分类算法之一。然而,传统的K最近邻居有两个主要的问题:参数K的选择以及在大规模数据集下过高的时间和......
