已閱讀1頁,還剩40頁未讀, 繼續(xù)免費閱讀
版權(quán)說明: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),請進行舉報或認領
文檔簡介
1、近鄰分類算法是機器學習領域應用最為廣泛的學習算法之一,但該方法需要較大的計算量和存儲量。因此,基于近鄰分類的實例選擇成為研究焦點之一。此外,現(xiàn)有的基于近鄰分類的實例選擇算法都是在已標注類別的實例集上進行挑選,而獲得實例的類別標注需要花費大量的人力和物力,實例選擇是解決該問題的可行途徑。
針對近鄰分類需要大量計算和存儲的問題,本文提出了基于分類貢獻的實例選擇算法,根據(jù)實例對分類的貢獻從已有類別標注的實例集中進行實例選擇,并且
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于樣本選擇的近鄰分類算法研究.pdf
- 基于K近鄰的分類算法研究.pdf
- 結(jié)合近鄰選擇的高光譜圖像分類算法研究.pdf
- 基于自然最近鄰居的分類算法研究.pdf
- 基于K近鄰集成算法的分類挖掘研究.pdf
- 基于K-近鄰算法的文本自動分類.pdf
- 基于k近鄰分類準則的特征變換算法研究.pdf
- 最近鄰分類的若干改進算法研究.pdf
- 基于歐式距離的實例選擇算法研究.pdf
- 基于K近鄰算法的中文文本分類研究.pdf
- K-近鄰分類的改進算法研究.pdf
- 基于SVM算法的本體實例分類改進研究.pdf
- 基于進化極限學習機的特征加權(quán)近鄰分類算法.pdf
- 基于近鄰傳播算法的圖像目標分類關鍵技術研究.pdf
- 基于決策樹和K最近鄰算法的文本分類研究.pdf
- 基于胡氏大間隔近鄰的企業(yè)輿情分類算法的研究.pdf
- 數(shù)據(jù)分布引導的模糊粗糙近鄰分類算法.pdf
- 基于近鄰的多分類器選擇集成分類方法及在號牌識別上應用的研究.pdf
- 基于近鄰的聚類算法研究.pdf
- 基于改進K近鄰算法的手機電子郵件內(nèi)容自動分類研究.pdf
評論
0/150
提交評論