噪声样本相关论文
不平衡数据的分类问题一直是机器学习与数据挖掘的共同课题。在传统的学习过程中,分类器大多在不平衡比例接近1的数据集上进行分类......
随着计算机网络的普及和信息技术的不断发展，网络在人们生活中的作用越来越大，网络中的文本信息也不断积累，种类复杂多样，文本分类系统......
对于线性回归中kNN（k-Nearest Neighbor）算法的k值固定问题和训练样本中的噪声问题，提出一种新的基于重构的稀疏编码方法。该方法用训......
针对分类数据中存在噪声样本和维数问题,提出了流形上的k最近邻方法。首先,利用贝叶斯公式对经典k最近邻方法进行扩展,并采用核概......
提出一种基于偏最小二乘回归的鲁棒性特征选择与分类算法(RFSC-PLSR)用于解决特征选择中特征之间的冗余和多重共线性问题。首先,定......
针对传统的实例选择算法会误删训练集中非噪声样本、算法效率低的不足,提出了一种面向K最近邻(KNN)的遗传实例选择算法。该算法采......
利用主成分分析法研究车辆噪声的双耳自相关函数(ACF)因子,确定了车辆噪声的原始听感与决定其代表性听觉感知属性的主导听感,并从......
对实地双通道测量获得的道路交通噪声和铁路噪声信号样本进行了自相关函数和双耳自相关函数(Interaural CrossCorrelation Functio......
近年来，随着序列最小优化分类算法SMO等一系列快速算法的推出，支持向量机在自动文本分类研究领域取得了很大的成功。大多数文本分类......
K近邻的分类性能依赖于训练集的质量。设计高效的训练集优化算法具有重要意义。针对传统的进化训练集优化算法效率较低、误删率较......
针对传统的实例选择算法会误删训练集中非噪声样本、算法效率低的不足,本文提出了一种遗传实例选择算法。该算法采用基于决策树和......
传统模糊??-均值(FCM)算法要求一个样本对于各个聚类的隶属度之和满足归一化条件,从而导致算法对噪声和孤立点敏感,对非均衡分布样......
Tri-Training是半监督协同训练的代表性算法之一,它运用统计技术标记置信度,并结合噪音学习理论进行无标记样本分类。当扩充样本训......
期刊
在kNN算法分类问题中，k的取值一般是固定的，另外，训练样本中可能存在的噪声能影响分类结果。针对以上存在的两个问题，本文提出一种新的......
