共查询到20条相似文献，搜索用时 15 毫秒
1.
使用主成分分析的方法对数据集进行降维,将滑动窗口引入到贝叶斯网络分类算法中,从而得到改进的贝叶斯网络分类算法。实验证明,改进的算法能够有效地降低分类数据的维数,同时该算法建立的入侵检测模型能够更好地检测出已知的入侵攻击类型。 相似文献
2.
《南阳师范学院学报》2015,(12):12-17
支持向量机是人工智能研究领域中的重要课题,但该算法不能够对复杂高维的生物医学数据进行准确的分类,而FSVM方法能够利用模糊性对标记样本数据进行较准确的归类,故采用FSVM算法对老年痴呆数据进行分析.通过特征提取方法对数据进行降维,采用主成分分析法提取出数据的11个主成分,并筛选前3个主成分和前2个主成分分别进行分类模型的训练.利用基于FSVM的模糊C均值聚类方法将老年痴呆的121个样本分成了正负两个类别,实验结果表明,FSVM算法能够有效地分析老年痴呆数据. 相似文献
3.
针对传统信用评价方法分类精度较低、数据集属性变量间存在相关性等问题,提出基于主成分分析的稀疏贝叶斯学习（PCA-SBL）算法。首先对数据集特征变量进行主成分分析,使降维后的变量无相关性|其次,对主成分分析后的数据进行稀疏贝叶斯分类|最后将 PCA-SBL 分类方法分类精度与传统分类方法精度进行比较。分析发现,在 German Credit Data 和 Australian Credit Data 上,与传统 KNN、朴素贝叶斯、SVM、随机森林、决策树相比,改进的 SBL 算法分类精度平均提高了 5.26%、4.65%、2.11%、2.125%、4.66%,与稀疏贝叶斯学习算法（SBL）相比,平均提高 0.965%,从而证明 PCA-SBL 算法具有更高的分类效果。 相似文献
4.
《浙江大学学报(A卷英文版)》2020,(6)
目的:研究机器学习技术在利用孔压静力触探测试(CPTu)识别高灵敏度黏土和快黏土的潜力。创新点:1.成功应用机器学习方法从CPTu结果中分类出高灵敏度黏土和快黏土,并将结果与不同地点的实际土层进行了比较。2.通过对机器学习算法的多次训练确定了可以获得良好结果的最少CPTu个数。方法:1.基于对两个位置已知和土层确定的CPTu数据集的分析,使用3种机器学习图像分类方法(逻辑回归、朴素贝叶斯和隐藏马尔科夫模型)将CPTu数据用于样木分类。2.将结果与实际土层进行比较,识别高灵敏度黏土和快黏土,并从计算性能度量方面比较3个方法的优缺点。结论:仅采用4个CPTu训练样本便可获得基于逻辑回归、朴素贝叶斯和隐藏马尔科夫模型的识别高灵敏度黏土和快黏土的3个分类模型,且分类精度良好。 相似文献
5.
6.
基于灰色理论和马尔科夫理论,建立传统的灰色马尔科夫预测模型;对传统灰色马尔科夫预测模型初始预测值的构造存在的一定误差进行改进,并用改进后的新模型计算全国碳排放量,然后将全国碳排放量预测结果与传统的灰色马尔科夫模型进行对比;预测结果表明：改进后的灰色马尔科夫模型预测精度有了进一步的提高并验证了算法的有效性。 相似文献
7.
8.
词性标注是中文信息处理领域中的一个重要研究课题。本文首先介绍了隐马尔科夫模型的表示形式和需要解决的问题,然后论述了HMM模型参数估计的方法,并对运用Viterbi算法进行词性标注的基本原理进行了深入的研究。 相似文献
9.
人工神经网络与DNA序列分类问题 总被引：2，自引：0，他引：2
刘于江 《赣南师范学院学报》2004,25(3):52-54
介绍了神经网络的两种简单模型:感知器和线性分类器,并应用感知器模型对DNA序列分类问题进行求解和结果分析,并提出了对感知器模型求解分类问题的一种改进方法。 相似文献
10.
为提升互联网金融行业贷款人决策的直观性与层次性,提出一种信用分级模型。对历史样本的信用评价指标进行主成分分析,提取关键信息。利用 Logit 回归模型得到“是否违约”和“评价指标主成分”的关系,依据回归方程所得的“违约概率”对借款人进行信用分级。采用遗传模拟退火算法（GSAA）改进的 BP 神经网络,学习“等级”和“评价指标”间的映射规则。利用 Kaggle 网站信用数据集进行实验,结果表明,Logit 回归结果可信度高,“依概率分级”区分度高,GSAA 算法可有效提升 BP 神经网络的精准分级率。分级模型在测试样本上的可信度为 99.02%,优于二值分类和指标赋权模型,可有效降低贷款人资金风险,推动互联网金融行业高质量发展。 相似文献
11.
12.
建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。 相似文献
13.
基于主成分分析的GA-BPNN遥感图像分类研究 总被引：2，自引：0，他引：2
在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性. 相似文献
14.
针对用主成分分析算法对非线性数据降维,存在丢失局部结构数据信息的不足,提出了将主成分分析与局部线性嵌入相结合的正交投影降维算法。首先采用主成分分析方法降维可算出特征空间矩阵,然后采用局部线性嵌入方法降维后提取特征空间矩阵,再将这两种方法获得的特征空间矩阵正交投影进行降维的主要信息作为预报因子,最后利用优化的径向基函数RBF建立网络模型,以此对广西5月区域日降水量进行降水预报,结果显示,该模型在预报性能上优于同期的T213日降水预报。 相似文献
15.
16.
优化特征加权的FCM算法 总被引：1，自引：0，他引：1
冯春辉 《邢台职业技术学院学报》2009,26(1)
模糊聚类是一种重要数据分析和建模的无监督方法.在FCM算法中,考虑到样本矢量中各维特征对模式分类的不同影响,本文提出一种优化特征加权的模糊聚类算法,该算法利用主成分分析法提取主要特征向量并根据其对方差的贡献率不同赋予相应权重进行聚类分析. 相似文献
17.
目前一些相对成熟的手势识别算法,如基于模板匹配的方法、基于人工神经网络的方法以及基于隐马尔科夫模型的方法,都存在计算复杂的劣势,而基于深度学习的手势识别具有一定优势。通过深度学习提取多层网络简化的高价值易用特征,通过向量等表示,简化算法以实现良好的识别效果。通过摄像头采集室内复杂背景下的手势图像,在计算能力、存储能力强大的PC平台通过深度学习处理图像,提取特征,然后进行分类识别,能提高识别准确率。通过改进硬件或算法还可提高识别效率及安全性。 相似文献
18.
赵俊 《辽宁科技学院学报》2012,14(2):37-39
改进了单纯利用非参数核估计预测上证指数的方法。首先利用隐马尔科夫模型将数据分成两种状态,即正常状态和非正常状态。然后对正常状态的数据仍然使用非参数核估计进行预测,而对非正常状态的数据则结合支持向量机(SVM)进行预测。由于在较少数据预测问题中支持向量机模型预测具有较大的优势,从而使新的预测方法较以前的方法具有更好的预测效果。 相似文献
19.
词性自动标注是对语料在高层次上进行分析的一个重要组成部分,其结果可以用于很多自然语言处理应用程序当中。而维吾尔语和其它语言一样也存在词兼类现象。本文介绍了维吾尔语词性自动标注系统的设计思想和实现过程。该系统基于隐马尔科夫模型,采用Viterbi算法来进行词性自动标注。 相似文献