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. 模式识别上机实验5：近邻法与剪辑近邻法

  2. 画出近邻法的程序框图，对给定的分别存放在文件“riply_trn.mat”和”riply_tst.mat”中的两类样本训练集250个测试集1000个，试用近邻法，k近邻法与剪辑近邻法, 重复剪辑近邻法给出测试集的分类结果并分别计算其错误率。

  3. 所属分类：C/C++

    • 发布日期：2011-04-06
    • 文件大小：752640
    • 提供者：gangannini

  1. 重复剪辑实验报告和PPT.rar

  2. 当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭区中的样本，如下图所示。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目的。为此可以利用现有样本集对其自身进行剪辑。

  3. 所属分类：讲义

    • 发布日期：2020-01-07
    • 文件大小：643072
    • 提供者：weixin_44412076

  1. 重复剪辑代码.rar Matlab实现

  2. 当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭区中的样本，如下图所示。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目的。为此可以利用现有样本集对其自身进行剪辑。

  3. 所属分类：讲义

    • 发布日期：2020-01-07
    • 文件大小：2048
    • 提供者：weixin_44412076

  1. 采用重复剪辑近邻法提高决策树算法的性能

  2. 决策树算法易受训练样本集中噪声和混杂区域的影响。重复剪辑近邻法能消除样本集中符合 某些先决条件的噪声, 清除混杂区域中后验概率较小的类别所包含的样本, 并在各类样本间形成符合Bayes 分类准则的界线。用它对合适的训练样本集进行筛选, 可在不损害分类准确率的同时明显地减小决策树的规模, 有助于增强决策树的可理解性和可用性, 从而提高决策树的性能。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：340992
    • 提供者：weixin_38612437