已閱讀1頁(yè)，還剩39頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶(hù)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、特征子集選取是一種在模式識(shí)別和分類(lèi)問(wèn)題中應(yīng)用非常廣泛的有效方法，目的是在分類(lèi)和模式識(shí)別問(wèn)題中通過(guò)減少特征空間的維數(shù)，降低計(jì)算復(fù)雜度，提高分類(lèi)識(shí)別的計(jì)算速度和分類(lèi)準(zhǔn)確率。最優(yōu)模糊值特征子集選取OFFSS(OptimalFuzzy-valuedFeatureSubsetSelection)適用于數(shù)據(jù)庫(kù)中示例只分為正反兩類(lèi)的特征子集選取問(wèn)題，而不適用于多類(lèi)的特征子集選取問(wèn)題。本文采用兩種方法對(duì)OFFSS算法進(jìn)行了改進(jìn)，使其可以適用于包含多個(gè)類(lèi)
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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)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(hù)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
- 基于模糊矩陣的聚類(lèi)融合.pdf
- 模糊擴(kuò)張矩陣中的參數(shù)優(yōu)化研究.pdf
- 傳遞類(lèi)模糊矩陣的研究.pdf
- 基于多特征抽取的商標(biāo)圖像檢索.pdf
- 基于矩陣模糊聚類(lèi)的Web使用挖掘算法.pdf
- 基于視覺(jué)分塊及多特征的web信息抽取.pdf
- 基于數(shù)據(jù)特征抽取的多模態(tài)異常檢測(cè)方法.pdf
- 基于多區(qū)域特征子集選擇的非配合虹膜識(shí)別.pdf
- 用最優(yōu)化方法求解大型矩陣特征值問(wèn)題.pdf
- 基于多區(qū)域特征子集選擇的非配合虹膜識(shí)別(1)
- 基于矩陣的多特征鏈接預(yù)測(cè)方法研究.pdf
- 實(shí)對(duì)稱(chēng)正定模糊矩陣的模糊特征值.pdf
- 基于模糊偏最小二乘的特征抽取方法研究.pdf
- 基于多生物特征的模糊金庫(kù)方案.pdf
- 25266.基于區(qū)間值模糊點(diǎn)的凸模糊子集
- 特殊矩陣類(lèi)及特殊矩陣類(lèi)上的矩陣方程的求解問(wèn)題.pdf
- 兩類(lèi)結(jié)構(gòu)矩陣的特征值反問(wèn)題.pdf
- 基于多特征的網(wǎng)頁(yè)信息抽取技術(shù)的研究與應(yīng)用.pdf
- 一類(lèi)線(xiàn)性擴(kuò)張模的線(xiàn)性擴(kuò)張問(wèn)題.pdf
- 基于非負(fù)矩陣分解的多視圖聚類(lèi)研究.pdf
評(píng)論
0/150
提交評(píng)論