注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 粒子滤波理论及其在盲均衡中的应用

  2. 粒子滤波器的基本思想是用加权的离散随机样本点表示所需要的后验概率密度。粒子滤波理论的盲均衡方法与其他均衡方法相}匕，其优点在于它不包括对当前估计的线性化，而是利用离散的随机测度来对期望分布进行近似，而且算法收敛快，所需的数据量较少。介绍了粒子滤波理论及其在盲均衡中的应用。仿真结果表明，使用粒子滤波器的盲均衡方法在信噪比较低时也能完成对信道的均衡

  3. 所属分类：专业指导

    • 发布日期：2011-05-05
    • 文件大小：227328
    • 提供者：lxhxy2009

  1. SVM源代码，实现了几种不同类型的SVM分类器

  2. SVM源代码，实现了几种不同的SVM算法，可以作分类和回归估计，支持多分类及样本不均衡的情况

  3. 所属分类：其它

    • 发布日期：2008-10-06
    • 文件大小：472064
    • 提供者：Afei_ia_hw

  1. SVM代码，不同的语言实现SVM分类

  2. SVM源代码，实现了几种不同的SVM算法，可以作分类和回归估计，支持多分类及样本不均衡的情况

  3. 所属分类：IT管理

    • 发布日期：2014-10-19
    • 文件大小：472064
    • 提供者：tiandijun

  1. 加权极限学习机MATLAB代码

  2. 加权极限学习机 针对数据集中存在的样本不均衡情况所提出的 ELM 改进算法

  3. 所属分类：数据库

    • 发布日期：2015-09-06
    • 文件大小：7168
    • 提供者：xueyuebingchen

  1. 数据不均衡问题经典文献《Learning from Imbalanced Data》

  2. 数据不平衡是指在数据集中，一类（或多类）样本特别多而另一类（或多类）样本特别少。这种问题广泛存在于金融欺诈、医学检测、网络入侵等场景中。

  3. 所属分类：机器学习

    • 发布日期：2017-12-15
    • 文件大小：1048576
    • 提供者：weixin_37447415

  1. 样本不均衡论文

  2. 1. 不平衡数据集分类的Random_SMOTE方法研究_董燕杰 2. 不均衡电信客户数据的分类问题研究_郭娜娜 3. 移动通讯话务量时间序列预测方法研究_雷苗

  3. 所属分类：机器学习

    • 发布日期：2018-05-05
    • 文件大小：9437184
    • 提供者：chasing_shadows

  1. Caffe 样本制作自动化

  2. 制作样本的工具，自己做的。均衡样本功能，让不均衡的样本，在十几秒钟之内变得均衡，并且自动重命名。 可以一键生成标签文件。节省半个小时以上。

  3. 所属分类：深度学习

    • 发布日期：2018-05-08
    • 文件大小：25165824
    • 提供者：u010758237

  1. 考虑类别不均衡的电力系统暂态稳定评估

  2. 考虑类别不均衡的电力系统暂态稳定评估，郭珂，赵娟，电力系统暂态稳定评估（TSA）被看作二分类问题，即稳定性和不稳定性。在实际问题中，分类结果具有类别不均衡性，即稳定样本会掩盖

  3. 所属分类：其它

    • 发布日期：2020-03-14
    • 文件大小：542720
    • 提供者：weixin_38653155

  1. 和平电气 变频器样本.pdf

  2. 和平电气 变频器样本pdf,和平电气 变频器样本HPVFV主要特点与性能 HPVF∨ 矢量控制变频器 主要特点 ●利用高性能的数字信号处理器,通过优化的控制算法,可以为复杂传动系统提供高速、柔性、安全的掉制。特别适合低转运、高 扭矩的场合应用 介绍 ●不仅包含控制,还实现了F○C磁场定向矢量控制、无感矢量控制功能(该功能可以有效的改蔷速度随着负载变化的问 HPVFV变频器专门为精确调速而设计;性能优异,稳定可靠。以大功率喻出、使用便利、安全性高,作为产品追求的目标 题〕通过转差补偿功能达到节能。

  3. 所属分类：其它

    • 发布日期：2019-10-13
    • 文件大小：4194304
    • 提供者：weixin_38744375

  1. 样本不平衡的睡眠数据分期研究

  2. 睡眠数据中各个阶段的样本数差异较大，睡眠数据的自动分期是一个典型的样本不平衡的机器学习问题。均衡样本方法通过抽样的手段来平衡样本，是解决样本不平衡问题的主要方法。采用均衡样本方法来平衡睡眠数据的不同阶段的样本，并且结合多域特征（时域、频域、时频域以及非线性）和随机森林分类算法进行分类预测。比较分析了样本均衡处理和非均衡处理的分类结果，发现均衡处理后的数据取得了更好的分类效果。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：169984
    • 提供者：weixin_38621624

  1. python数据预处理 :样本分布不均的解决(过采样和欠采样)

  2. 何为样本分布不均： 样本分布不均衡就是指样本差异非常大，例如共1000条数据样本的数据集中，其中占有10条样本分类，其特征无论如何你和也无法实现完整特征值的覆盖，此时属于严重的样本分布不均衡。 为何要解决样本分布不均： 样本分部不均衡的数据集也是很常见的：比如恶意刷单、黄牛订单、信用卡欺诈、电力窃电、设备故障、大企业客户流失等。 样本不均衡将导致样本量少的分类所包含的特征过少，很难从中提取规律，即使得到分类模型，也容易产生过度依赖于有限的数量样本而导致过拟合问题，当模型应用到新的数据上时，模型的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：71680
    • 提供者：weixin_38559203

  1. 基于随机下采样和SMOTE的不均衡SVM分类算法

  2. 传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：855040
    • 提供者：weixin_38731761

  1. 基于样本特性欠取样的不均衡支持向量机

  2. 基于样本特性欠取样的不均衡支持向量机

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：502784
    • 提供者：weixin_38642864

  1. 基于ODR和BSMOTE结合的不均衡数据SVM分类算法

  2. 针对传统的支持向量机(SVM)算法在数据不均衡的情况下分类效果不理想的缺陷,为了提高SVM算法在不均衡数据集下的分类性能,提出一种新型的逐级优化递减欠采样算法.该算法去除样本中大量重叠的冗余和噪声样本,使得在减少数据的同时保留更多的有用信息,并且与边界人工少数类过采样算法相结合实现训练样本数据集的均衡.实验表明,该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：523264
    • 提供者：weixin_38721691

  1. 样本不均衡条件下基于自调整支持向量机的故障诊断

  2. 故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率.针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机.该方法能够自举式地对有效样本进行挑选,并加大高信息量数据样本的风险惩罚因子,抑制样本不均衡导致的分类超平面偏移,进而提高故障诊断的准确性.所提方法被用于变压器故障诊断实验,实验过程中正负样本的风险损失始终相等,有效地抑制了样本不均衡现象对诊断造成的影响,验证了所提算法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：917504
    • 提供者：weixin_38747025

  1. 类不均衡的半监督高斯过程分类算法

  2. 摘要：针对传统的监督学习方法难以解决真实数据集标记信息少、训练样本集中存在类不均衡的问题，提出了类不均衡的半监督高斯过程分类算法。算法引入自训练的半监督学习思想，结合高斯过程分类算法计算后验概率，向未标记数据中注入类标记以获得更多准确可信的标记数据，使得训练样本的类分布相对平衡，分类器自适应优化以获得较好的分类效果。实验结果表明，在类不均衡的训练样本及标记信息过少的情况下，该算法通过自训练分类器获得了有效标记，使分类精度得到了有效提高，为解决类不均衡数据分类提供了一个新的思路。

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：2097152
    • 提供者：weixin_38741966

  1. 基于ODR和BSMOTE 结合的不均衡数据SVM分类算法

  2. 针对传统的支持向量机(SVM) 算法在数据不均衡的情况下分类效果不理想的缺陷, 为了提高SVM算法在 不均衡数据集下的分类性能, 提出一种新型的逐级优化递减欠采样算法. 该算法去除样本中大量重叠的冗余和噪声 样本, 使得在减少数据的同时保留更多的有用信息, 并且与边界人工少数类过采样算法相结合实现训练样本数据集 的均衡. 实验表明, 该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能, 而且总体分类性能也有所 提高.a

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：246784
    • 提供者：weixin_38631599

  1. 基于谱聚类欠取样的不均衡数据SVM分类算法

  2. 提出一种基于谱聚类欠取样的不均衡数据SVM分类算法。该算法首先在核空间中对多数类样本进行谱聚类，然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离，选择具有代表意义的信息点，最终实现训练样本间的数目均衡。实验中将该算法同其他不均衡数据预处理方法比较，结果表明该算法不仅能有效提高SVM算法对少数类的分类性能，而且总体分类性能及运行效率都有明显提高。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：310272
    • 提供者：weixin_38695471

  1. 基于样本特性欠取样的不均衡支持向量机

  2. 针对传统支持向量机在数据失衡的情况下分类效果很不理想的问题, 提出一种基于样本特性欠取样的不均衡SVM分类算法. 该算法首先在核空间中依据样本信息量选择一定比例的靠近不均衡分类界面的多数类样本; 然后根据样本密度信息选择最具有代表性的均衡多数类样本点, 在减少多数类样本的同时使分类界面向多数类方向偏移. 实验结果表明, 所提出的算法与其他不均衡数据预处理方法相比, 能有效提高SVM算法在失衡数据中少数

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：270336
    • 提供者：weixin_38748740

  1. 面向贯序不均衡分类的粒度极限学习机

  2. 针对现有算法对贯序到达的密度型不均衡数据分类效果不佳的缺陷, 提出一种基于粒度划分的在线贯序极限学习机算法. 离线阶段,根据数据分布特性对多类样本进行粒度划分, 用粒心代替原有样本, 建立初始模型; 在线阶段, 根据更新后的分布特性对多类边界数据进行二次粒度划分, 替换原有边界数据, 并动态更新网络权值. 理论分析证明该算法存在信息损失上界. 实验结果表明, 该算法能有效提高贯序不均衡数据上的整体泛化性能和分类效率.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：6291456
    • 提供者：weixin_38608873
« 12 3 »