DP聚类的可信性加权模糊支持向量机

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:fang82888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于SVM(Support Vector Machine)在有离群点和不平衡数据的问题中分类性能相对较低,有研究者提出了一种面向不均衡分类的隶属度加权模糊支持向量机,只是文中的模糊隶属度并不能较好衡量样本点对确定最佳分划超平面所做的贡献大小。针对以上问题提出了密度峰(Density Peaks,DP)聚类的可信性加权模糊支持向量机。首先由DP聚类找到离群点后剔除。再根据点到由DEC(Different Error Costs)确定的超平面的距离,得到初始隶属度,并用改进的FSVM-CIL(Fuzzy Su
其他文献
社会的发展推动了现代信息技术的进步,同时现代信息技术的发展也推进了社会的发展变迁。当前移动网络通信技术已经可逐渐被应用于社会发展各行各业之中,同时也被广泛应用于物
随着我国经济发展速度的不断加快,汽车行业的发展规模和生产效率变得越来越高,人们对汽车质量的要求也变得越来越高,对汽车白车身质量进行严格控制可以对汽车整体质量进行提
针对认知物联网中频谱感知的检测性能和能耗需求之间的相互制约性,将其建模为一个多目标优化问题,寻求性能与能耗之间的折衷解。进而提出一种基于人工物理学优化的解决方案,设计了适合问题求解的个体质量、微粒所受合力的计算方法。仿真实验表明,所提算法在基本不影响检测准确性的同时有效降低了能耗,适合认知物联网中的频谱感知。
小学数学教学,一向是教学中的难点。就教学实践来看,情况不容乐观,而理想状况海战不到一半。往往要么淘神费气而没有收获,要么虽有一点成绩,但已严重影响到了学生的学习积极