注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 模式识别 聚类分析 分类器 特征选择和特征选取

  2. 模式识别 1. 聚类分析 2. 分类器 3. 特征选择和特征选取

  3. 所属分类：专业指导

  1. TCP拦截和网络地址转换

  2. TCP拦截和网络地址转换 本书将讨论与访问表相关的技术，而非访问表本身。这些技术提供了控制网络中数据流 量的附加功能。这些功能特性会使读者能够加强进出网络报文的附加功能。通过智能地对数 据本身进行操作，例如，可以操纵 I P报文中的源和目的地址，或者给某种通信报文分配较多 的带宽，读者就能够进一步加强进出网络的报文的安全性和控制能力。本章将讨论两种特性： T C P拦截和网络地址转换（Network Address Tr a n s l a t i o n，N AT），它们可以大大加强对网络中

  3. 所属分类：C

    • 发布日期：2009-12-21
    • 文件大小：773kb
    • 提供者：hexiang221

  1. 计算机二级C语言考试题预测

  2. 今年9月份参加计算机二级考试的同学请转载 作者：天使~之戀 已被分享1次 评论(0) 复制链接 分享 转载 删除 下面的138道题目，在二级考试中命中率极高。 一、选择题 (1) 下面叙述正确的是(C) A. 算法的执行效率与数据的存储结构无关 B. 算法的空间复杂度是指算法程序中指令（或语句）的条数 C. 算法的有穷性是指算法必须能在执行有限个步骤之后终止 D. 以上三种描述都不对 (2) 以下数据结构中不属于线性数据结构的是(C) A. 队列 B. 线性表 C. 二叉树 D. 栈 (3)

  3. 所属分类：C

    • 发布日期：2010-06-08
    • 文件大小：16kb
    • 提供者：pengfeitan

  1. 基于CHI值特征选取和覆盖的文本分类方法

  2. 利用 CHI 值特征选取和前向神经网络的覆盖算法, 通过对文本进行分词的预处理后, 实现文本的自动分类。该方法利用CHI 值进行特征选取即特征降维,应用覆盖算法进行文本分类。该方法将 CHI 值特征选取和覆盖算法充分结合,在提高了分类速度的同时还保证了分类的准确度。应用该方法对标准数据集中的文本进行实验, 并在不同的维数上与SVM 算法、 朴素贝叶斯方法的实验结果进行了比较。结果表明,与SVM 算法和朴素贝叶斯方法相比较, 覆盖算法在准确度上更好。并且,维数的选择对分类的精确度影响很大。

  3. 所属分类：专业指导

    • 发布日期：2011-05-06
    • 文件大小：159kb
    • 提供者：nbayangcewqcewq

  1. 国家通信工程师（互联网）培训讲义

  2. 第一章 数据通信基础 1.解释数据传输速率所使用的3种不同的定义的主要内容 码元速率:每秒传输的码元数,又称波特率单位为DB,如码元持续时间为T(S),则码元速率为NBD=1/t(s) 数据传信速率:每秒传输二进制码的速率,又称比特率,单位为比特/秒(bit/s) 数据传送速率:单位时间内在数据传输系统中的相应设备之间实际传送的比特,字符或码组平均数,单位为比特/秒,字符/秒或码组/秒 2.常用的信号复用方法有哪些 按时间区分信号的复用方法为时分复用TDM,按空间分为空分复用SDM,按频率或波

  3. 所属分类：软考等考

    • 发布日期：2015-07-09
    • 文件大小：886kb
    • 提供者：njupt1314

  1. 改进的OIF和SVM结合的高光谱遥感影像分类

  2. 面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻 近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度 函数的模糊分类更是适合于研究范围较大影像区域。实际应用隶属度函数分类时，一般 是针对研究区遥感影像的特点，根据经验知识，人为的分析和尝试极少量的特征，以分 类结果好坏决定是否选用该特征。显然这种方式具有一定的主观性和盲目性，缺乏科学 性和实用性，选取的特征难以保证分类的精度与速度。本文依托“十二五”计划中“高 分数据土地利用要素快速提取技术”课

  3. 所属分类：其它

    • 发布日期：2017-11-20
    • 文件大小：1mb
    • 提供者：qq_34795343

  1. 特征选择与图像匹配

  2. 面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻 近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度 函数的模糊分类更是适合于研究范围较大影像区域。实际应用隶属度函数分类时，一般 是针对研究区遥感影像的特点，根据经验知识，人为的分析和尝试极少量的特征，以分 类结果好坏决定是否选用该特征。显然这种方式具有一定的主观性和盲目性，缺乏科学 性和实用性，选取的特征难以保证分类的精度与速度。本文依托“十二五”计划中“高 分数据土地利用要素快速提取技术”课

  3. 所属分类：其它

    • 发布日期：2017-11-20
    • 文件大小：8mb
    • 提供者：lemonwumiao

  1. 高维数据挖掘中特征选择的稳健方法

  2. 针对高维数据的特点,即数据中变量个数往往大于样本观测数目,并且数据往往具有异质性特点,基于众数回归分析和变量选择降维技术,提出了一种稳健有效的特征选择方法,利用局部二次逼近算法(LQA)和最大期望(EM)算法,给出估计算法和最优调节参数的选取方法。通过实验的模拟数据分析表明,所提出的特征提取选择方法整体优于基于最小二乘和中位数的正则化估计方法,特别当误差是非正态分布时,与已有方法相比具有较高的预测能力和稳健性。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-16
    • 文件大小：1mb
    • 提供者：qq_28339273

  1. 基于PCA和信息增益的肿瘤特征基因选择方法

  2. 针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-17
    • 文件大小：1mb
    • 提供者：qq_28339273

  1. 商品用户行为数据处理中的数学问题（3）

  2. 随着网络时代不断的发展，网购已成为人民大众主要购物方式，基于大数据预测用户网购行为成为了重要的问题，本文通过所给 20000 用户数据对其商品行为进行预测并给出评价指标。以ut-8格式编码;包含 user id和 item id两列(均为 string类型),要求去除重复。例 如 user id I item id 100000 2345 100000 2478 100001 127900 100002 207245 评估指标 釆用经典的精确度( precision)、召回率( recall〕和

  3. 所属分类：其它

    • 发布日期：2019-03-15
    • 文件大小：1mb
    • 提供者：zrg_hzr_1

  1. 基于粗糙集和支持向量机的采空区煤自燃火灾预报

  2. 考虑到采用标志气体分析法对煤自燃火灾预报时特征维数较高、特征之间存在冗余且样本有限,文中提出基于粗糙集和支持向量机的采空区煤自燃火灾预报方法。该方法首先采用粗糙集对原始样本去除冗余和特征维数约简得到多组候选特征子集,然后对获得的多组候选特征子集利用支持向量机进行分类和性能评价,选取分类性能最好的一组特征子集用于设计支持向量机分类器,并对采空区遗煤自燃状态进行预测分析。实验选择大同矿区煤样自然发火实验数据,与4种典型分类预测算法的进行比较分析,实验结果表明文中算法预测准确率更高,训练速度更快。粗糙

  3. 所属分类：其它

    • 发布日期：2020-06-05
    • 文件大小：591kb
    • 提供者：weixin_38659527

  1. 一种基于统计排序的网络流量特征选择方法

  2. 利用网络流量的统计特征进行流量的分类识别需要从众多的特征中选取最优特征集合，以避免冗余和不相关特征造成的系统模型复杂度过高、分类准确率和效率下降等问题。针对该问题，提出一种基于统计排序的网络流量特征选择方法。首先利用基于统计方法定义的特征选择系数生成初始特征子集，再将基于分类准确率构建的特征影响系数作为特征评估排序的依据，对初始特征子集进行二次特征选择，生成最优特征子集。实验结果表明，该方法在保证分类整体准确率的同时有效减少了流量统计特征的个数，在分类效果、效率以及稳定性之间实现了较好的平衡。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：379kb
    • 提供者：weixin_38738830

  1. 基于分步特征提取和组合分类器的电信客户流失预测模型

  2. 针对电信客户流失数据集存在的数据维度过高及单一分类器预测效果较弱的问题，结合过滤式和封装式特征选择方法的优点及组合分类器的较高预测能力，提出了一种基于Fisher比率与预测风险准则的分步特征选择方法结合组合分类器的电信客户流失预测模型。首先，基于Fisher比率从原始特征集合中提取具有较高判别能力的特征；其次，采用预测风险准则进一步选取对分类模型预测效果影响较大的特征；最后，构建基于平均概率输出和加权概率输出的组合分类器，以进一步提高客户流失预测效果。实验结果表明，相对于单步特征提取和单分类器模

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：316kb
    • 提供者：weixin_38706045

  1. 基于特征选择的推荐系统托攻击检测算法

  2. 基于协同过滤的电子商务推荐系统极易受到托攻击,托攻击者注入伪造的用户模型增加或减少目标对象的推荐频率,如何检测托攻击是目前推荐系统领域的热点研究课题.分析五种类型托攻击对不同协同过滤算法产生的危害性,提出一种特征选择算法,为不同类型托攻击选取有效的检测指标.基于选择出的指标,提出两种基于监督学习的托攻击检测算法,第一种算法基于朴素贝叶斯分类;第二种算法基于k近邻分类.最后,通过实验验证了特征选择算法的有效性,及两种算法的灵敏性和特效性.

  3. 所属分类：其它

  1. 如何用Python做自动化特征工程

  2. 本文来自大数据文摘，本文作者将使用Python的featuretools库进行自动化特征工程的示例，希望对您的学习有所启迪。机器学习的模型训练越来越自动化，但特征工程还是一个漫长的手动过程，依赖于专业的领域知识，直觉和数据处理。而特征选取恰恰是机器学习重要的先期步骤，虽然不如模型训练那样能产生直接可用的结果。本文作者将使用Python的featuretools库进行自动化特征工程的示例。机器学习越来越多地从手动设计模型转变为使用H20，TPOT和auto-sklearn等工具来自动优化的渠道。这

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：736kb
    • 提供者：weixin_38673235

  1. 面向迁移学习的文本特征对齐算法

  2. 源领域和目标领域特征空间的不一致导致迁移学习准确率下降.为此,提出一种基于Word2Vec的不同领域特征对齐算法.只选取形容词、副词、名词、动词作为特征,针对每种词性,选择源领域和目标领域的枢纽特征,分别在源领域和目标领域为该枢纽特征计算出与之语义相似度最大的非枢纽特征,将其作为相似枢纽特征,从而为每个枢纽特征构成一个相似枢纽特征对.将出现在这些领域中的每一个相似枢纽特征按照枢纽特征对进行特征替换,从而将不同领域语义相似的特征进行对齐,并在特征替换后的源领域和目标领域数据上进行机器学习.实验结果

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：873kb
    • 提供者：weixin_38537315

  1. 基于偏最小二乘回归的藻类荧光光谱特征波长选取

  2. 针对藻类荧光光谱解析中常见的信息冗余和光谱相关性问题，基于偏最小二乘（PLS）的方法,提出了区间蒙特卡罗偏最小二乘(IMC-PLS)方法，有效地解决了特征波长的选取问题。根据特征色素荧光峰位置预选出特征区域，综合利用了此特征区域内单个波段的信息和不同的随机波段组合对于模型的贡献，基于荧光光谱的三线性特点，联合了发射波长和激发波长的信息。研究结果表明，与无信息变量消除算法(UVE)相比，IMC-PLS反演4种藻类浓度得到的平均相对标准偏差分别降低了0%、34.3%、55.9%、30.5%，选择出的

  3. 所属分类：其它

  1. 特征融合的卷积神经网络多波段舰船目标识别

  2. 针对海面背景舰船目标单一波段图像识别率低的问题, 提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤：通过设计的6层CNN, 同时对三波段图像进行特征提取; 利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序, 并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据; 通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试, 共包含6类目标

  3. 所属分类：其它

  1. 基于流形鉴别信息的特征选择及其结构化稀疏表示

  2. 针对启发式特征选择策略忽略了特征间相关信息导致子最优的问题, 提出一种基于流形鉴别信息的特征选择(MDFS) 算法. 该算法根据近邻信息和标签信息刻画高维数据类内和类间流形结构, 以最小化流形散度差为准则构建目标函数, 并增加结构化稀疏正则项降低特征间冗余. 通过统一框架下的特征权重迭代优化获得最优特征子集. 在ORL 库、COIL20 库、Isolet1 库上的聚类实验表明, MDFS算法选取的特征子集相比传统算法具有更高的识别准确率和归一化互信息, 验证了所提出算法的有效性.

  3. 所属分类：其它

  1. 基于目标特征选择和去除的改进K-means聚类算法

  2. 针对高维数据聚类中K-means算法无法有效抑制噪声特征、实现不规则形状聚类的缺点,提出一种基于目标点特征选择和去除的改进K-均值聚类算法.该算法使用闵可夫斯基规度作为评价距离进行目标点的分类,增设权重调节参数a、重置权重系数α进行特征选择和去除,可有效减小非聚类指标特征带来的噪声影响.算法验证实验选取UCI真实数据集和人工数据集进行聚类分析,验证改进算法对抑制噪声特征的有效性,与WK-means、iMWK-means算法进行实验对比,分析聚类学习时特征选择的适用性,同时寻找最优的距离系数bet

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：206kb
    • 提供者：weixin_38624183
« 12 3 4 5 6 »