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155頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、超大規(guī)模的模式識別問題是現(xiàn)在機器學(xué)習(xí)算法在實際應(yīng)用中遇到的越來越多的一個難題。隨著信息時代的到來,現(xiàn)實中這種大規(guī)模問題是很常見的,例如專利分類問題。即便是像支持向量機這樣高效率的學(xué)習(xí)算法,面對超大規(guī)模的分類問題,也是難以克服的。在這種情況下,利用豐富的計算資源,使得機器學(xué)習(xí)并行化,是當前機器學(xué)習(xí)領(lǐng)域的一個重要發(fā)展方向。最小最大模塊化支持向量機(M3-SVM)是基于“分而治之”的思想解決大規(guī)模問題的有效的學(xué)習(xí)算法。它通過分解大規(guī)模問題,使

2、之轉(zhuǎn)化為大量小規(guī)模問題進行學(xué)習(xí),并通過有效的分類器集成方法將它們重新組合成為大規(guī)模問題的原解,該算法具有天生的并行適應(yīng)性。為了降低M3-SVM在模塊統(tǒng)合階段的時間復(fù)雜度,我們在原有的非對稱選擇和對稱選擇等分類器選擇方法的基礎(chǔ)上,提出了基于決策樹的分類器選擇算法。實驗證明,決策樹選擇算法在分類效果上與原方法相似。但是大大提高了訓(xùn)練的復(fù)雜度。在此基礎(chǔ)上,我們又提出了決策樹訓(xùn)練數(shù)據(jù)的選擇方法。該方法大大降低的決策樹訓(xùn)練的時間,同時也降低的決策

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論