2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩57頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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、模式識(shí)別成立于二十世紀(jì)二十年代,伴著對(duì)四十年代產(chǎn)生的計(jì)算機(jī)的擴(kuò)大應(yīng)用和五十年代崛起的人工智能系統(tǒng)的不斷發(fā)展,它早已在人們的日常生活中和社會(huì)的各行各業(yè)中扮演了非常重要的角色。因此,它得到了來(lái)自社會(huì)各界的許多著名的學(xué)者對(duì)其理論方法以及實(shí)際應(yīng)用的探索和研究,并且在六十年代初的時(shí)候快速地發(fā)展成為了一門學(xué)科。
  在模式識(shí)別的研究中有兩個(gè)特別重要的主題分別是分類和聚類,它們?cè)诒姸嗟念I(lǐng)域中都得到了廣泛的實(shí)際應(yīng)用。對(duì)于分類和聚類算法來(lái)說(shuō),其中的

2、距離度量或者相似性度量的構(gòu)建是一項(xiàng)非?;A(chǔ)性的問(wèn)題。因此,為了確保分類和聚類算法的效果較好,特別關(guān)鍵的一步就是需要選擇到合適的距離度量或者相似性度量。
  本論文的研究目的就是通過(guò)借鑒LPP算法的基本思想,構(gòu)建出新的相似性度量方法,進(jìn)而提出新的分類和聚類算法。該新構(gòu)建的相似性度量方法能夠反映出數(shù)據(jù)的內(nèi)在結(jié)構(gòu)特征。文中首先對(duì)分類和聚類進(jìn)行了簡(jiǎn)單的概述;其次列舉出了目前分類和聚類算法中經(jīng)常用到的一些相似性度量方法,并重點(diǎn)介紹了歐氏距離

3、和馬氏距離以及它們存在的問(wèn)題;然后對(duì)K近鄰算法、模糊C均值算法以及當(dāng)前備受關(guān)注的一種線性降維算法LPP進(jìn)行了詳細(xì)的介紹,最后依據(jù)LPP算法的基本思想對(duì)K近鄰算法和模糊C均值算法作了改進(jìn)。在歐氏距離中,全部特征之間的不同之處被統(tǒng)一地對(duì)待;在馬氏距離中,雖然數(shù)據(jù)的分布特征被考慮到并且結(jié)果也不會(huì)受到量綱大小的影響,但是它卻夸大了變化微小的變量的作用。并且,這兩種相似性度量都忽視了數(shù)據(jù)的內(nèi)在結(jié)構(gòu)特征。針對(duì)這一存在的問(wèn)題,本論文就借鑒了LPP算法

4、的基本思想,首先對(duì)局部保持散度矩陣作了詳細(xì)的介紹,在此基礎(chǔ)上進(jìn)一步對(duì)類內(nèi)局部保持散度矩陣進(jìn)行了深入的描述,然后依據(jù)這兩個(gè)矩陣構(gòu)建出了新的相似性度量方法,最后利用該新的相似性度量方法提出新的分類和聚類算法,從而提高分類和聚類算法的性能和效率。在本論文的最后,文中所提出的新的分類和聚類算法對(duì)人工擬合數(shù)據(jù)、真實(shí)的UCI數(shù)據(jù)、人臉數(shù)據(jù)以及手寫數(shù)字?jǐn)?shù)據(jù)分別進(jìn)行了實(shí)驗(yàn)。基于交叉驗(yàn)證的實(shí)驗(yàn)結(jié)果以及其它實(shí)驗(yàn)的結(jié)果都表明,相對(duì)于現(xiàn)有的基于歐氏距離和傳統(tǒng)馬

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。

評(píng)論

0/150

提交評(píng)論