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39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、K-NN(K-NearestNeighbor)分類算法的結(jié)果依賴于距離度量的選取。傳統(tǒng)的K-近鄰算法選擇的相似性度量通常是歐幾里德距離的倒數(shù),這種距離通常涉及所有的特征。在距離公式中引入一些特征權(quán)參數(shù)后,其分類結(jié)果將依賴于這些權(quán)值,從而可以通過(guò)調(diào)整這些權(quán)值來(lái)優(yōu)化分類效果。本文提出了一種學(xué)習(xí)權(quán)值算法以改進(jìn)分類準(zhǔn)確率。從數(shù)學(xué)意義上講,這種權(quán)值學(xué)習(xí)相當(dāng)于歐氏空間中對(duì)一組點(diǎn)進(jìn)行了一個(gè)線性變換。同時(shí),不同近鄰樣本本身的權(quán)重影響不同,則直接改變測(cè)試

2、樣本的最終類別。我們不僅對(duì)每個(gè)屬性學(xué)習(xí)權(quán)值,而且可以對(duì)每一個(gè)測(cè)試樣本點(diǎn)的近鄰基于它們到測(cè)試點(diǎn)的距離進(jìn)行加權(quán),使得那些距離較近的近鄰獲得的權(quán)值較高,從而提高了K-NN算法分類準(zhǔn)確性。 針對(duì)K-近鄰算法中K值的學(xué)習(xí),本文總結(jié)了一種聚類有效性函數(shù),數(shù)值實(shí)驗(yàn)證實(shí)了其有效性,旨在指導(dǎo)應(yīng)用于K-近鄰分類中;然后還將“擴(kuò)張能力”的概念引入K-近鄰算法,根據(jù)訓(xùn)練集例子不同的覆蓋能力,刪除冗余樣本,得到數(shù)量較小同時(shí)代表類別情況又比較完全的新的訓(xùn)練

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