【摘 要】
：
特征子集选择FSS(Feature Subset Selection)是机器学习和模式识别中非常困难而有意义的一个问题,其目的是为了减少用于分类或识别问题中的特征数量,以提高学习算法的效率和
论文部分内容阅读
特征子集选择FSS(Feature Subset Selection)是机器学习和模式识别中非常困难而有意义的一个问题,其目的是为了减少用于分类或识别问题中的特征数量,以提高学习算法的效率和准确度。现有的属性选择研究大多都集中于特征值是实型或符号型事例,研究模糊值特征子集选择及其计算复杂性的比较少。最优模糊特征子集选取OFFSS(Optimal Fuzzy-Valued Feature Subset Selection)是一种用模糊扩张矩阵进行最优特征子集选择的方法。OFFSS通过计算正例集合和反例集合的覆盖程度OV 得到一个阈值T 。OFFSS问题就是在属性值为模糊值的特征全集FS中,寻找一个特征子集S*,使S* 是在OV ≤T 的情况下,FS 的最小子集。本文提出了一种基于underT元素流失率的OFFSS 改进算法,提高了OFFSS 算法的特征选择效果,并应用面向对象的软件设计技术实现了基于GUI 的OFFSS 系统。在大量实验的基础上,验证了基于underT元素流失率的OFFSS 算法的可行性。
其他文献
嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁减的专用计算机系统。近十几年来，嵌入式系统的发展异常迅速，嵌入式操作系统作为嵌入式系统的核心，其应用也越来越广
本文首先介绍了粗集理论的一些基础概念，这些概念是整个粗集理论的基础，特别是如何认识和定义知识以及利用不可分辨关系将特定的论域划分为知识和概念。 重点介绍了决
计算机网络和通讯网络的综合发展,促成了智能网系统在通信领域的飞速发展。通讯网络在这几年的发展方向己经开始从扩展网络容量向增加和丰富业务内容的方向转变。智能网系统
本文重点研究了支持向量机(SVM)和Fisher线性判别分析两个分类算法在基因表达数据分类中的应用,并用实验测试了算法的分类性能,发现了算法的一些缺点.针对支持向量机还不能满
近年来微光、红外、X光图像传感器在军事、科研、工农业生产、医疗卫生等领域的应用越来越为广泛,但由于这些成像器件自身的物理缺陷,视觉效果很不理想,往往需要对图像进行适
本文描述了路由实验床的构建过程。路由实验床提供了进行实验研究的软硬件平台和仿真工具，在实验床上对因BGP路由配置错误而导致的路由不稳定进行了深入的研究，分析了导致路由
Modelica是一门以方程为基础的面向对象的语言，可以方便地实现复杂的多物理系统建模，包括：机械、电子、电力、液压、热、控制及面向过程的子系统模型。Modelica作为一个开放的物
本文针对P2P网络现有资源发现算法的不足之处，引入移动Agent技术，提出了一种网络资源智能快速发现的新方案——智能资源发现算法。在这种算法中把一个查询请求封装在移动Ag
随着社会的发展，现今的计算机应用系统也随之复杂化和大型化。各个行业需要不断涌现新的业务系统向企业和群众提供许多更优质的服务。如果不能充分利用以前业务系统所提供
本文阐述了学习状况分析系统软件的分析、设计和实现，着重叙述了学习状况分析系统软件的系统设计和实现技术，其中包括体系结构设计、功能模块设计、数据库设计以及用户界面设计