差异性度量相关论文
聚类集成是集成学习中的一个重要分支,它是为了解决无监督的聚类分析中可能因为样本的特殊数据分布与假设条件不匹配,导致聚类结果......
支持向量机(Support Vector Machine,SVM)是一种有监督的通用高效机器学习方法,目前在许多领域得到成功的应用,然而对于一些实际的......
多分类器融合能够在一定程度上弥补单个分类器的缺陷,因此它在模式识别中得到了广泛的应用。目前对多分类器融合的研究己经不再局......
神经网络集成是目前国际机器学习和神经计算界的一个相当活跃的研究热点,对该问题的研究不仅有助于科学家对机器学习和神经计算的......
机器学习是研究让机器具有学习的能力,集成学习是机器学习的一大研究热点,是将多个不同的单个个体模型组合成一个最终模型,这些模......
分类问题,作为人类的基本社会活动,在人们的日常生活和任务学习中,扮演着重要角色。随着数据挖掘和模式识别技术的快速发展,利用机......
分类所关心的一个根本问题是如何有效地提高分类系统的泛化能力。尽管传统的分类技术在一些领域己经得到了成功应用,其泛化能力也......
合成孔径雷达成像(Synthetic Aperture Radar,SAR)系统全天时、全天候的特点使得SAR影像的应用成为国内外研究的热点。其中,变化检......
相关向量机(Relevance Vector Machine,RVM)是一种基于稀疏贝叶斯理论的机器学习算法。该算法十分擅长处理小规模数据问题,由于其......
将多种单分类器模型融合,并用融合后的模型对不同品种干红葡萄酒进行判别分析。用BRUKER MPA傅里叶变换型近红外光谱仪采集170个干......
基于土地利用/覆盖信息提取的快速、自动化和高精度的现实需求,遥感影像计算机自动分类研究成为提高遥感应用性的一个重要方向。多......
基础聚类成员预处理是聚类集成算法中的一个重要研究步骤。众多研究表明,基础聚类成员集合的差异性会影响聚类集成算法性能。当前......
针对证据理论中证据冲突度量这一关键问题，提出了一种基于模糊熵的冲突度量方法，首先引入直觉模糊熵表示证据间的差异性，然后对传统的......
在基于自然语言的群决策中，由于自然语言的不确定性，首先需要确定自然语言所属的集合。在这个集合中，通过语言值与其他语言值之间的差......
为了从分类器集成系统中选择出一组差异性大的子分类器,从而提高集成系统的泛化能力,提出了一种基于混合选择策略的直觉模糊核匹配......
基于相似性科学和复杂系统理论,研究了复杂机械产品系统差异性分析原理,提出了以相似佳度量为基础的零部件单元和复杂机械产品系统......
多分类器组合方法可以在一定程度上弥补单个分类器的不足,提高分类性能,因此,它在模式识别领域得到广泛的应用。主要将线性组合多......
将多分类器组合方法应用于16m分辨率"高分一号"遥感影像不透水面提取,首先通过BP神经网络、CART决策树、最大似然分类算法构建多分......
选择性集成技术既能提高泛化能力,又能节约存储空间,提高预测速度。从2003年选择性集成技术的提出至今,已经有了一些较为基础的研......
对作物病害类型的准确识别是病害防治的前提。为提高病害识别的准确度,以黄瓜叶部病害识别为例,提出一种基于动态集成的作物叶部病......
为了解决在分类器集成过程中分类性能要求高和集成过程复杂等问题,分析常规集成方法的优缺点,研究已有的分类器差异性度量方法,提......
内蒙古矿产资源富集,存在着大量露天开采煤矿,不仅其占地面积大,而且对土地资源和生态资源的破坏严重,因此,本论文以“内蒙区矿山......
针对AdaBoost算法忽略弱分类器之间的相关性导致强分类器的集成性能降低的缺陷,提出一种改进的AdaBoost人脸检测算法。通过加入差......
遥感影像为地理国情监测提供了快速，实时的大范围的地理信息来源。如何从大量的影像数据中提取地物是地理国情监测所面临的重要问题......
近年来,多分类器融合技术已成为模式识别和机器学习领域研究的热点之一。多分类器融合比单个分类器更有效的理由是融合中的分类器......
甲状腺肿瘤是头颈肿瘤中的常见病和多发病，居头颈肿瘤首位，是发病率增高最快的实体癌。不断发展的医学影像学技术是进行甲状腺肿瘤良......
多分类器系统能够在一定程度上弥补单个分类器的缺陷，因此它在模式识别中得到了广泛的应用。研究者提出了大量的分类器组合方法，有必......
聚类,作为数据挖掘技术研究的热点之一,受到越来越多的关注。聚类的主要任务就是把数据集划分成有意义或有用的组。随着数据库技术......
随机子空间集成方法是集成学习中的一个重要部分,它通过随机选取原特征空间中的数个子空间构建基分类器并集成基学习器得到最终的......
聚类集成是机器学习中的一项重要方法,它通过组合聚类集体中多个具有差异性的聚类结果,获得一个更为准确和稳定的聚类结果。通过聚......
针对目前人们对分类性能的高要求和多分类器集成实现的复杂性,从基分类器准确率和基分类器间差异性两方面出发,提出了一种新的多分......
多分类器系统是应对复杂模式识别问题的有效手段之一．当子分类器之间存在差异性或互补性时，多分类器系统往往能够获得比单分类器更高......
基于神经网络间的差异性,提出一种选择性神经网络集成方法.该方法利用差异性度量,选择满足一定条件的个体神经网络组成神经网络集......
Tri-Training算法是半监督算法的一种,在学习过程中容易错误标注无标记样本,从而降低分类性能,为此提出一种ADP-Tri-Training（Adapt......
