近邻分类相关论文
传统的KNN算法存在分类效率低等缺点.针对这些缺点,本文提出一种高效的结合多代表点思想的加权KNN算法,利用变精度粗糙集上下近似......
近邻分类算法作为经典的机器学习算法之一,因其无需估计参数、易于实现、适合多分类问题的特点,近年来在广告、聊天机器人、网络安......
时间序列是一类广泛存在于商业应用和科学研究中的复杂数据，如每日股票价格、电信用户的每日通话分钟数、太平洋每天海表面的温......
近邻分类算法是机器学习领域应用最为广泛的学习算法之一,但该方法需要较大的计算量和存储量。因此,基于近邻分类的实例选择成为研......
现阶段,由于数据来源、数据信息结构以及数据统计方式的不同,数据特征之间存在巨大的差异。传统的模糊粗糙集通常使用单一的模糊相......
本文介绍了几种模糊聚类分析的方法,包括模糊C-均值算法、改进的模糊C-均值算法、模糊K-近邻分类等,其中对于模糊K-近邻分类作了尤......
针对传统的K近邻算法在计算样本之间相似度时将每个属性视为同等重要的问题,提出了一种基于推土机距离的方法来计算每个条件属性的......
k-最近邻分类算法通过对待测样本的邻近样本进行分析来预测待测样本的类标号,是一种简单有效的分类方法.传统的k-最近邻算法通常使......
壳近邻分类算法克服了k近邻分类在近邻选择上可能存在偏好的问题,使得在大数据集上的分类效果优于k近邻分类,为了进一步提高壳近邻......
为了更有效的组织Internet上丰富的信息资源,通过分析传统的近邻文本分类方法技术以及Web文本的特点,提出了一种新的简单有效的网......
RSKNN 算法是一种基于变精度粗糙集理论的 k-近邻改进算法，该算法能够保证在一定分类精度的前提下，有效地降低分类的计算量，提高分类......
In this paper, a new shape classification system based on singular value decomposition (SVD) transform using nearest nei......
为克服近邻分类法需要大量计算和存储的缺点，本文利用Ｔａｂｕ搜索来求解满足一定错误率条件的最小参考样本集。当错误率阈值设为０时，可以得到......
不同的时间季节有不同的特征,根据季节的特征,我们在计算机上利用各种方法可以清楚的识别不同的季节。本文利用HSV图像色彩模型,主......
在机器学习领域中，间隔从距离角度对分类置信度进行刻画，用于估计分类学习算法的泛化错误界和指导分类算法的设计，已广泛的应用于指导......
模式识别,以其明确的问题定义、严格的数学基础、坚实的理论框架和广泛的应用价值,已得到越来越多的重视,并且也成为其他几门学科......
k近邻分类（k NN）是一种简单而有效的非参数分类算法,但存在着参数需要人工确定,没有显式构建分类模型造成存储空间大、分类效率低,且......
经典的k-最近邻算法存在参数k难以确定和分类效率低的缺点.基于模型的kNN算法使用代表点集合构造训练样本的分类模型,克服上述缺点......
数据分布不平衡问题是机器学习和数据挖掘领域的研究热点,在许多现实世界的实际应用中人们往往更关注那些数量稀少的少数类数据。......
为识别输电线路的覆冰运动及其运动特性并进行有效阻尼控制,提出一种基于微惯性测量系统(Micro Inertial Measurement System,MIMS......
目标识别在目前的雷达系统中具有重要的现实意义和应用价值,是近年来国内外关注和研究的热点。雷达目标识别主要包含两方面的任务:......
该文依据区分与划分相结合的可拒绝模式识别思路，提出了高维空间海量训练样本情况下的基于结构风险最小化决策的自组织多区域多球覆......
