2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、K-Means算法和L2-SVM算法分別是聚類和分類中研究較熱的算法。傳統(tǒng)K-Means算法以歐氏距離為度量準(zhǔn)則,忽略了樣本各屬性在聚類過程中發(fā)揮的不同作用。同樣的,L2-SVM算法尋找決策超平面時(shí),以歐氏距離作為最大間隔的距離度量,忽視了樣本集的空間內(nèi)在結(jié)構(gòu)特征。其次,L2-SVM算法中的參數(shù)較多,模式選擇增加了算法的計(jì)算量。所以本論文就這幾個(gè)問題進(jìn)行了相關(guān)研究,所研究?jī)?nèi)容主要有以下幾點(diǎn):
  1、針對(duì)傳統(tǒng)K-Means算法的距

2、離度量存在的弊端,我們借鑒了LPP算法原理,首先構(gòu)造一個(gè)局部保持散度矩陣,然后改進(jìn)馬氏距離中的協(xié)方差矩陣構(gòu)建新的馬氏距離,最后提出了基于局部保持的K-Means算法,并分析了算法的可行性和時(shí)間復(fù)雜度。與傳統(tǒng)K-Means算法相比,本論文改進(jìn)的算法考慮了數(shù)據(jù)內(nèi)在結(jié)構(gòu)和流形特征,有利于提高算法聚類效果。
  2、針對(duì)L2-SVM優(yōu)化問題中的距離間隔,我們引入LPP算法原理,定義了類內(nèi)局部保持散度矩陣,然后構(gòu)造了一種新的間隔距離度量,最

3、后提出類內(nèi)局部保持的L2-SVM分類算法。相對(duì)于傳統(tǒng)的SVM,我們改進(jìn)的算法充分考慮了每一類樣本的內(nèi)在流形結(jié)構(gòu)特征。并且,該方法考慮了數(shù)據(jù)的類標(biāo),屬于監(jiān)督方法,而LPP屬于無監(jiān)督方法,沒有考慮數(shù)據(jù)的類別信息。實(shí)驗(yàn)結(jié)果顯示,相對(duì)于傳統(tǒng)的SVM和KNN分類算法,本論文提出的算法具有更高的識(shí)別精度。
  3、RM界中最小包含球半徑R的計(jì)算需要求解二次規(guī)劃問題,增加了算法的計(jì)算量。針對(duì)此問題,我們首先用所有訓(xùn)練樣本的最大距離D逼近半徑R,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論