样本加权相关论文
图像是人类获取信息的重要途径,基于深度神经网络的自动化图像理解算法取得了飞速发展,并且在智能监控、自动驾驶、智慧医疗等领域......
输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中“所见即所得”的......
在工业控制中,存在一些影响控制过程的重要变量,由于测量技术与测量仪器的限制,这些变量很难通过在线被精确测量。软测量建模技术......
人脑在人的整个生命周期中是不断变化的,这些变化在一定程度上反映了大脑的正常老化过程。但是,受大脑发育异常、神经精神障碍或脑......
现有支持向量机对于训练样本过多或训练样本中类的数量不平衡,存在训练花费时间过长和得到的分类面偏离最优分类面使得样本错分等......
图像数据作为大数据的一种常见表现形式,早已呈现出爆炸式增长的趋势和海量而冗杂的特点,面对海量图像数据的检索分析与存储管理,......
传统的KNN算法存在分类效率低等缺点.针对这些缺点,本文提出一种高效的结合多代表点思想的加权KNN算法,利用变精度粗糙集上下近似......
精炼炉温度受诸多因素影响，钢水温度预报一直是一大难题。本文提出构建混合支持向量机模型，将支持向量机与专家系统相结合，发挥各自的......
将原始数据投影到一个包含几何一致性和簇分配一致性的空间,并且可以自适应学习几乎所有参数的多视图聚类算法,能够获得良好的聚类......
目前，随着信息产业的第三次浪潮的到来，融合各种信息技术的、打破互联网限制的具备“全面感知、可靠传送、智能处理”特征的物联网技......
支持向量机作为一种基于统计学习理论的新型学习算法，能很好的解决有限样本情况下的学习问题。这种方法从理论上控制了机器学习的复......
人们的生活包含着各式各样的数据,许多数据中都含有很重要的信息。数据挖掘就是从海量数据中提取重要信息的一种技术。作为数据挖......
针对脑机接口系统手动提取特征而产生的信息丢失与过拟合问题,建立了一个纯数据驱动的端到端的卷积神经网络模型.同时,为了解决卷......
随着各种基因组测序计划的推出,不断有很多物种被新测序完成,需要对这些物种的蛋白质功能进行注释.这些物种中已知功能的蛋白质数......
k近邻方法是文本分类中广泛应用的方法,对其性能的优化具有现实需求。使用一种改进的聚类算法进行样本剪裁以提高训练样本的类别表......
通过分析FCM、PCM、IPCM和PFCM等流行的聚类算法和它们在噪声环境下所面临的问题,提出一种概率模糊聚类新算法(SWPFCM),该算法结合......
为有效解决元搜索引擎结果排序的问题,提出了一种基于样本加权的位置文本排序算法。分析了现有基础算法,并在充分考虑结构信息的基......
格拉斯曼平均子空间对应着高斯数据的主成分,解决了PCA的扩展性问题,但算法假定样本的贡献取决于样本的长度,这可能导致离群点对算......
武器装备费用预测是武器装备费用分析的重要内容，预测分析的难点之一在于样本数据少，且样本数据具有复杂的非线性特点。充分利用支持......
模糊C均值聚类(FCM)算法是一种基于非监督聚类算法。样本加权模糊C均值聚类(WFCM)算法是FCM算法的改进,该算法能够明显提高收敛速......
针对传统的以k-means为代表的分割聚类算法认为所有的聚类样本对聚类中心的影响都是相同的这一观点,提出基于样本加权的聚类算法,......
当处理数据规模较大、属性较多、且存在噪声数据干扰的医疗数据时,传统的支持向量机会出现训练速度变慢、参数敏感且难以保证其准......
针对小目标图像分割的问题,提出一种双边加权直方图模糊C-均值聚类分割算法。该算法将样本信息和几何结构信息作为权值,对传统模糊......
针对传统FCM算法无法获得令人满意的聚类结果的问题,提出了基于样本与特征双加权的自适应FCM聚类算法。采用特征和样本双加权的策......
针对模糊c均值聚类算法对特征噪声和样本噪声较敏感的缺陷,依据特征和样本对聚类的不同影响,将特征权值和样本权值引入到模糊c均值......
针对k-means算法的稳定性和收敛性难以控制的缺陷,以蜜网架构为实验环境,提出一种利用核函数进行初始聚类,再对样本数据加权重的改......
特征选择是机器学习和数据挖掘领域的关键问题之一，而特征选择的稳定性也是目前的一个研究热点。主要对特征选择的稳定性因素和稳定......
该文针对压缩跟踪算法无法适应目标尺度的变化以及没有考虑样本权重的问题,提出一种基于粒子滤波与样本加权的压缩跟踪算法。首先,......
在文本关联分类研究中，训练样本特征词的分布情况对分类结果影响很大．即使是同一种关联分类算法，在不同的样本集上使用，分类效果也可能......
经典的模糊C-均值聚类算法存在对噪声数据较为敏感、未考虑样本属性特征间的不平衡性及对高维数据聚类不理想等问题，而可能性聚类算......
针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时......
提出了一种基于距离阈值及样本加权的K-means聚类算法.该算法首先采用样本集的样本均值作为第一个初始族中心;其次基于距离阈值的......
利用交通量、速度、占有率等交通参数进行聚类识别道路交通状态,参数样本及特征对聚类结果具有不同的作用。为改进传统FCM聚类假定......
针对传统模糊C-均值(Fuzzy C-Means,FCM)聚类算法隐含假设各个样本和各维属性对聚类结果作用相同,导致算法聚类性能降低,以及对初......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
文本挖掘是数据挖掘中的重要研究方向之一,本文选取较热门的电商评论数据情感分类作为应用场景。随着海量的订单数量每天产生巨大......
为了解决模糊C均值聚类算法（FCM）中聚类类数初始值是由先验知识人为确定并且目标函数忽略了样本属性数据之间的不均衡性问题，提出了一......
为衰减存在于图像上的噪声,尽可能地精确提取目标,提出一种基于样本和属性加权的二维模糊C-均值（FCM）聚类分割法。构造合理的二维直......
为了实现自然纹理的分割,根据自然纹理的不规则性和随机性强的特点,提出了一种由纹理的GMRF模型提取纹理的统计特性和样本方位特性......
目标跟踪作为计算机视觉领域的研究热点与难点已在智能人机交互、视觉导航、智能视频监控等领域得到了广泛的应用。但是,研制出一......
本文作者对生物信息学研究以及多维代谢组学数据分析领域中的一些难点问题进行深入研究后,提出了多种化学计量学解决策略,并应用于......
随着人们进入信息时代的同时人们也在不知不觉中进入大数据时代。数据对人们的生活、工作起着愈发重要的作用,但是在数据采集过程......
集成学习算法是目前非常有效的机器学习框架,其中Boosting算法通过串行将弱学习器组合成强学习器,进而能很好的拟合真实模型,解决......
偏最小二乘回归（partial least squares regression,PLSR）作为一种基于因子分析的多变量校正方法,近年来广泛应用于化学、化工、经济......
面对浩如烟海的电子信息,如何帮助人们有效地收集和选择感兴趣的信息,如何帮助用户在日益增多的信息中发现潜在有用的知识已成为信......
