【摘 要】
：
提出一种紧密类超带模糊支持向量机（Affinity Class-Hyperparallel Fuzzy Support Vector Machine,ACHFS-VM）,其以获得较好的抗噪性和泛化能力。该方法在摒弃样本集球形分布假
论文部分内容阅读
提出一种紧密类超带模糊支持向量机（Affinity Class-Hyperparallel Fuzzy Support Vector Machine,ACHFS-VM）,其以获得较好的抗噪性和泛化能力。该方法在摒弃样本集球形分布假设的同时,纳入对样本紧密度的考量,用类内超平面取代类中心,通过二次规划的方法在特征空间中寻找最小类超带,以其带宽表征样本紧密度,构造S型隶属度函数。基于UCI数据集的仿真结果表明该方法较同类算法具有更好的抗噪和分类性能。
其他文献
进化算法的理论研究,如收敛性、时间复杂性研究,是当前的一大热点和难点,有关的理论结果并不多。针对二元进化策略（1＋1）ES建立时齐马尔科夫过程模型,利用连续状态马氏过程理论证
研究二维图像纹理传输问题,目前在二维纹理映射的传统算法中,主要通过基于纹理合成的传输算法实现纹理映射的效果。针对传统算法中基于纹理拼接导致迭代次数多、计算复杂度高的问题,为提高纹理映射的速度,提出了一种基于光照明模型实现纹理映射,产生纹理传输效果的算法。该算法主要采用Phong光照明模型对目标图像进行预处理形成虚拟表面,根据纹理图像和目标图像计算偏离映射角度,其次,参考图像的纹理特征根据偏离角度映
原有Rough K-means算法中类的上、下近似采用固定经验权重,其科学性值得商榷,针对这一问题,设计了一种基于自适应权重的粗糙K均值聚类算法。基于自适应权重的粗糙聚类算法在
DR算法是行人导航中最常用的一种推算算法。分析常规DR算法,针对行人导航中DR算法是固定阈值,不能根据行人环境不同而自动调整阈值,导致行人定位精确度不高的缺点,提出了基于雷达的多级阈值DR算法,即RMLT DR算法。通过仿真模拟实验,对比分析了RMLT DR算法和常规DR算法的定位结果。验证了行人行走过程中,RMLT DR算法可以根据周围的环境自动选择阈值大小,具有更高的精确度。
网络时延是重要的网络性能指标,端到端网络时延推测能够克服传统的基于路由器或者路由器协作的网络测量技术的弊端。在网络拓扑已知且稳定和链路性能时空独立性的假设前提下,