已閱讀1頁(yè)，還剩81頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)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、該論文首先對(duì)統(tǒng)計(jì)模式分類(lèi)方法與前饋神經(jīng)網(wǎng)絡(luò)的分類(lèi)能力進(jìn)行討論,然后把兩者的優(yōu)點(diǎn)結(jié)合起來(lái),進(jìn)一步提出了模式分類(lèi)集成策略.根據(jù)這一思想,構(gòu)建了集成模式分類(lèi)器,對(duì)其性能進(jìn)行分析,并應(yīng)用于兩個(gè)化學(xué)模式分類(lèi)問(wèn)題中.該論文的研究重點(diǎn)在于將前饋網(wǎng)絡(luò)與統(tǒng)計(jì)方法的優(yōu)點(diǎn)有機(jī)糅合,提出了模式分類(lèi)的集成策略.神經(jīng)網(wǎng)絡(luò)的表達(dá)能力很強(qiáng),對(duì)樣本的分布幾乎沒(méi)有什么要求,利用前饋網(wǎng)絡(luò)的自學(xué)習(xí)功能,將原有模式映射到新的模式空間,使其分布有利于分類(lèi).變換后的模式的分量間存在
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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。
最新文檔
- 集成分類(lèi)器模型的研究.pdf
- 在線學(xué)習(xí)的集成分類(lèi)器研究.pdf
- 基于集成分類(lèi)器的數(shù)據(jù)流分類(lèi)算法研究.pdf
- 數(shù)據(jù)流集成分類(lèi)器算法研究.pdf
- 基于Boosting技術(shù)的顯露模式集成分類(lèi)算法.pdf
- 基于UFFT的數(shù)據(jù)流集成分類(lèi)器研究.pdf
- 多維約束下代價(jià)敏感集成分類(lèi)器的研究.pdf
- 基于多分類(lèi)器集成的模式識(shí)別研究.pdf
- 針對(duì)氣體傳感器陣列的集成分類(lèi)算法研究.pdf
- 超文本的集成分類(lèi)算法研究.pdf
- 分類(lèi)器集成研究.pdf
- 基于Bagging的兩階段特征選擇集成分類(lèi)器研究.pdf
- 基于代價(jià)敏感集成分類(lèi)器的代碼壞味檢測(cè).pdf
- 基于貝葉斯集成分類(lèi)器的自動(dòng)圖像標(biāo)注.pdf
- 集成分類(lèi)學(xué)習(xí)算法研究.pdf
- 基于貪婪優(yōu)化和投影變換的集成分類(lèi)器算法研究.pdf
- 集成分類(lèi)器及其在個(gè)人信用評(píng)估的應(yīng)用.pdf
- 基于非平衡數(shù)據(jù)的適應(yīng)性采樣集成分類(lèi)器的研究.pdf
- 基于多特征的集成分類(lèi)器在基因表達(dá)數(shù)據(jù)分類(lèi)中的應(yīng)用.pdf
- 基于近鄰的多分類(lèi)器選擇集成分類(lèi)方法及在號(hào)牌識(shí)別上應(yīng)用的研究.pdf
評(píng)論
0/150
提交評(píng)論