边界样本相关论文
工业遗产保护与再利用是城市物质更新的一项重要内容,而工业遗产地的边界改造更是城市设计中的重要研究对象之一。改造后的边界往......
由于不平衡数据集本身拥有的复杂特性，标准的机器学习算法在不平衡数据集上的分类存在明显的性能缺陷，由此引发的不平衡问题遍布......
大数据时代,不平衡数据分类在实际应用场景中频繁出现。以二分类为例,传统分类器由于较难学习少数类数据集内部的本质结构,容易将......
在保证分类性能的前提下,如何从大量的训练样本集合中选择重要样本子集,是模式分类中的一个重要问题.基于该问题提出了一种新的样......
以入侵检测系统中的分类器设计为例，研究分类器的训练样本构造问题。提出了一种适合样本分布不均匀、海量数据集的训练样本子集构造......
在不平衡数据集的分类问题中,由于某一类或某几类样本数量相对较少,标准的分类器会倾向于数量多的类别,导致少数类样本在分类过程......
在SVM训练过程中，二次规划问题的求解制约着SVM应用于大规模数据．SVM的决策函数由邻近分类超平面的部分训练样本——支持向量决定．基......
经典的支持向量机（SVM）训练算法的实质是求解一个凸二次规划问题，当训练样本很多时，算法的速度会比较慢，且如果两类样本过分交叉，又会降......
针对传统网络入侵检测方法在实时性响应和入侵行为识别率上存在的不足,本文提出了一种抽取多数类边界样本的入侵检测算法。该算法......
以入侵检测系统中的分类器设计为例，研究分类器训练样本选择问题．提出了一种大规模数据集的训练样本选择方法．首先通过聚类将训练数据......
提出了一种改进的SVM：BS-SVM,它先对训练样本进行分类,根据每个样本到模式类样本均值的距离,将训练样本分为三种：好样本、差样本、边......
针对SVM训练样本集规模较大引发的学习速度慢、存储需求量大、泛化能力降低等问题,通过改进的样本点到类中心的方法来确定边界样本......
分析了训练样本对于识别系统性能的影响,将训练样本分为三种:好样本、差样本和边界样本,分析了它们在训练中所起的作用,并结合基于......
在信息化时代,如何从海量数据中挖掘出有价值的信息,已经成为信息科学技术领域的核心研究课题之一。聚类分析作为数据挖掘的一个重......
针对最小二乘支持向量机缺乏稀疏性的问题,提出了一种基于边界样本的最小二乘支持向量机算法。该算法利用中心距离比来选取支持度......
针对神经网络分类器训练时间长、泛化能力差的问题,提出了一种基于动态数据约简的神经网络分类器训练方法（DDR）。该训练方法在训练过......
支持向量机算法求解会涉及矩阵的存储与运算,因此算法的时空复杂度较大,这些不足之处限制了支持向量机的应用。为提高支持向量机的......
近年来,生物信息学、模式识别等不少领域中,出现了同时存在高维问题和不平衡问题的高维不平衡数据。高维问题是指由于数据集特征空......
传统的smote算法应用于非平衡数据集研究领域,它可以将少数类样本按照一定的条件进行扩充,以达到让非平衡数据集中少数类样本和多......
SMOTE算法可以扩充少数类样本,提高不平衡数据集中少数类的分类能力,但是它在扩充少数类样本时对于边界样本的选择以及随机数的取......
提出了一种基于边界样本的快速支持向量机(support vector machine,SVM)算法用于液体火箭发动机涡轮泵实时故障检测。算法按一定步......
互联网的快速发展和广泛普及,使网络上文本数据呈爆炸性增长,如何及时准确地从这些大数据文本中获得有价值的信息是学者们研究的热......
根据笔者在上汽通用五菱汽车股份有限公司多年的生产现场焊接经验,对电阻点焊缺陷及其控制办法做了详细介绍,并且对汽车大批量生产......
对于数值型数据而言,邻域粗糙集模型是处理不确定信息的有效工具.现有的邻域粗糙集模型仅关注那些邻域中所有样本都属于同一个决策......
样本的准备是机器学习的基础,直接关系到算法对图像目标物的最终识别性能,也是一项非常繁琐和耗资源的任务,为此,文中提出一种样本......
针对支持向量机（SupportVectorMachine，SVM）处理大规模数据集的学习时间长、泛化能力下降等问题，提出基于边界样本选择的支持向量机加......
学习样本的质量和数量对于智能数据分类系统至关重要,但在数据分类系统中没有一个通用的良好方法用于发现有意义的样本。以此为动......
