版權(quán)說(shuō)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、預(yù)測(cè)建模是數(shù)據(jù)挖掘中的一項(xiàng)重要任務(wù)?,F(xiàn)在很多企業(yè)使用預(yù)測(cè)技術(shù)來(lái)改善商業(yè)決策、提高生產(chǎn)率、檢測(cè)疾病、預(yù)測(cè)天氣等等。kNN算法是預(yù)測(cè)建模最簡(jiǎn)單最有效的算法。k NN算法是基于實(shí)例的學(xué)習(xí),使用算法時(shí)我們必須有接近測(cè)試樣本數(shù)據(jù)的訓(xùn)練樣本數(shù)據(jù)。由于k NN算法具有準(zhǔn)確率高、對(duì)離群點(diǎn)不敏感、對(duì)數(shù)據(jù)無(wú)假定輸入要求等優(yōu)點(diǎn),在分類、回歸、聚類等領(lǐng)域中得到了廣泛的研究與應(yīng)用,現(xiàn)已成為數(shù)據(jù)挖掘十大算法之一。然而, k NN算法在一些應(yīng)用中也存在缺點(diǎn)。例如,多
2、數(shù)類偏向、最優(yōu)k值難以確定、維數(shù)災(zāi)難等。為此,專家學(xué)者們提出了一些新算法和改進(jìn)算法來(lái)解決k NN算法存在的問(wèn)題。
針對(duì)以上問(wèn)題,本文基于QENN算法提出了RBQENN算法,解決了k NN算法對(duì)不平衡數(shù)據(jù)分類時(shí)的多數(shù)類偏向問(wèn)題。針對(duì)RBQENN算法的最優(yōu)參數(shù)難以確定問(wèn)題,本文提出了基于GEP的參數(shù)優(yōu)化方法來(lái)解決。此外,本文還引入GEP作為特征選擇方法解決RBQENN算法的維數(shù)災(zāi)難問(wèn)題。本文將每個(gè)算法都跟其它算法進(jìn)行了對(duì)比實(shí)驗(yàn)來(lái)證
3、明提出算法的有效性。
本文主要工作包括:
?。?)針對(duì)k NN算法在對(duì)不平衡數(shù)據(jù)分類時(shí)的多數(shù)類偏向問(wèn)題,引入 QENN算法,提出RBQENN算法,該算法只選取超球半徑內(nèi)的訓(xùn)練樣本作為最近鄰,并通過(guò)實(shí)驗(yàn)證明RBQENN算法在分類性能和回歸性能上優(yōu)于k NN算法和QENN算法。
?。?)針對(duì)RBQENN算法的參數(shù)優(yōu)化問(wèn)題,本文提出了基于GEP的RBQENN算法參數(shù)優(yōu)化方法,該方法利用GEP算法在RBQENN算法參數(shù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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
- 基于屬性信息熵的KNN算法改進(jìn)研究.pdf
- 基于區(qū)域劃分的改進(jìn)KNN分類算法.pdf
- 基于開放讀碼框架的改進(jìn)GEP算法研究.pdf
- 基于改進(jìn)的GEP圖像處理算法研究與應(yīng)用.pdf
- 基于改進(jìn)KNN算法的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)研究.pdf
- kNN填充算法的分析和改進(jìn)研究.pdf
- 基于蜂群算法和改進(jìn)KNN的文本分類研究.pdf
- 基于改進(jìn)GEP和ANP的多目標(biāo)云任務(wù)調(diào)度算法.pdf
- 基于改進(jìn)哈希算法的快速KNN文本分類方法.pdf
- KNN算法改進(jìn)及基于all-confidence模式的分類算法探討.pdf
- 基于改進(jìn)KNN算法的二手房評(píng)估.pdf
- 基于改進(jìn)KNN的文本分類算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于KNN的改進(jìn)算法研究及其在圖像去噪的應(yīng)用.pdf
- 基于GEP的圖像情感分類算法研究.pdf
- 一種改進(jìn)的KNN文本分類算法.pdf
- 基于密度的樣本裁剪算法的改進(jìn)及在kNN中的應(yīng)用研究.pdf
- 基于KNN的文本分類特征選擇與分類算法的研究與改進(jìn).pdf
- 基于改進(jìn)KNN的離線手寫簽名識(shí)別研究.pdf
- 基于KNN的多標(biāo)簽分類算法研究.pdf
- 基于改進(jìn)的SVM-KNN算法的中文網(wǎng)頁(yè)層次式分類.pdf
評(píng)論
0/150
提交評(píng)論