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. 一种不平衡数据流集成分类模型

  2. 针对不平衡数据流的分类问题，结合基于权重的集成分类器与抽样技术，本文提出了一种处理不平衡数据流集成分类器模型.理论分析与实验验证表明，该集成分类器具有更低的计算复杂度，更能适应存在概念漂移的不平衡数据流挖掘分类，其整体分类性能优于基于权重的集成分类器模型，能明显提升少数类的分类精度.

  3. 所属分类：专业指导

    • 发布日期：2010-04-14
    • 文件大小：1048576
    • 提供者：srvee

  1. 高速数据流集成分类器算法

  2. 摘要:数据流挖掘要求算法在占用少量内存空间的前提下快速地处理数据并且自适应概念漂移,据此提出一种面向高速数据流的集成分类器算法。该算法将原始数据流沿着时间轴划分为若干数据块后,在各个数据块上计算所有类别的中心点和对应的子空间;此后将各个数据块上每个类别的中心点和对应的子空间集成作为分类模型,并利用统计理论的相关知识检测概念漂移,动态地调整模型。实验结果表明,该方法能够在自适应数据流概念漂移的前提下对数据流进行快速的分类,并得到较好的分类效果。 关键词:概念漂移;数据流;子空间;分类;集成

  3. 所属分类：其它

    • 发布日期：2012-10-26
    • 文件大小：48128
    • 提供者：jsj_zcs

  1. 基于集成模糊分类器的交通状态判别算法

  2. 基于集成模糊分类器的交通状态判别算法，大家可以看看哦

  3. 所属分类：电信

    • 发布日期：2013-04-16
    • 文件大小：5242880
    • 提供者：such8912

  1. 基于贝叶斯集成分类器的自动图像标注

  2. 将贝叶斯集成分类器应用到图像标注中,实现图像的自动标注。标注的实现主要有两部分组成:训练阶段和标注测试阶段,即通过训练标注模型,实现图像自动标注。

  3. 所属分类：专业指导

    • 发布日期：2013-07-26
    • 文件大小：13631488
    • 提供者：liuruifeiyan

  1. 集成分类器随机森林详解

  2. 详细的论述了集成分类器的特点以及典型的集成分类器进行了一定的比较，重点对随机森林进行了深入透彻的分析

  3. 所属分类：数据库

    • 发布日期：2014-03-30
    • 文件大小：585728
    • 提供者：z1173989141

  1. stanford分类器

  2. java版本的斯坦福分类器，集成多种常用的分类器，很实用，效果也很好

  3. 所属分类：Java

    • 发布日期：2015-08-27
    • 文件大小：9437184
    • 提供者：feifei563498160

  1. 集成分类器matlab

  2. 使用matlab训练集成分类器，这里使用的是BP网络，也可以很方便地改为其他分类器，与单个BP分类器相比，正确率由87%上升到97.9，有明显地提高。

  3. 所属分类：机器学习

    • 发布日期：2018-07-27
    • 文件大小：14680064
    • 提供者：qq_37735796

  1. 一种基于混淆矩阵的分类器选择方法

  2. 为充分利用分类器的差异性来提高分类器集成的准确率,提出一种分类器选择方法。基本思想是构造所有基分类器的混淆矩阵作为聚类算法的数据对象,根据各聚类中样本的分布选择出一定数量的分类器作为代表,构成新的待集成分类器集合。将该方法应用于Bagging算法的训练过程,通过实验对比,验证了该方法确实可以提高分类器集成性能。

  3. 所属分类：其它

    • 发布日期：2020-05-12
    • 文件大小：266240
    • 提供者：weixin_38551059

  1. 基于自适应集成分类器的数据流概念漂移算法研究

  2. 基于自适应集成分类器的数据流概念漂移算法研究，赵峰，张杰，数据流具有连续、实时、有序及无限等特点,使用传统的数据挖掘技术来处理数据流的分类面临着严重的挑战,很难处理数据流中的概念漂�

  3. 所属分类：其它

    • 发布日期：2020-02-21
    • 文件大小：572416
    • 提供者：weixin_38738983

  1. Python-基于python快速生成全分类器测试报告

  2. Easy-Classify是一个基于python的sklearn包，自动生成二分类Excel实验报告和ROC值的小脚本，是二分类集成分类器的良好解决方案。

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：178176
    • 提供者：weixin_39840650

  1. 利用python的mlxtend实现简单的集成分类器

  2. 实验环境 python 3.7.1+Anaconda 1.9.7+pycharm 2019.1 主要pkg pandas、numpy、sklearn、mlxtend 数据格式 Label： features： 主要实验步骤 数据读入 数据处理 数据集划分 stacking分类器定义 模型训练 准确度预测 具体过程 首先利用pandas的read_系列函数读入数据，我用的是read_excel，（很奇怪，不知道为什么用read_csv就会一直读入失败，，） 然后， 千万要注意，要处理好数据中的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：164864
    • 提供者：weixin_38641366

  1. 不平衡数据的集成分类算法综述

  2. 集成学习是通过集成多个基分类器共同决策的机器学习技术,通过不同的样本集训练有差异的基分类器,得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中,可以通过代价敏感技术和数据采样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势,针对不平衡数据的集成分类算法得到广泛研究。详细分析了不平衡数据集成分类算法的研究现状,比较了现有算法的差异和各自存在的优点及问题,提出和分析了有待进一步研究的问题。

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：399360
    • 提供者：weixin_38675506

  1. 基于主题模型和集成分类器的鲁棒短文本分类框架

  2. 基于主题模型和集成分类器的鲁棒短文本分类框架

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1048576
    • 提供者：weixin_38670186

  1. 适用于大规模数据的极限学习机集成分类器

  2. 对于分类问题，极限学习机（ELM） 可以通过更快的学习获得更好的泛化性能速度。 但是，单个ELM在数据分类中是不稳定的。 这基于Bagging的集成分类器，即Bagging-ELM已被研究流行并证明可以显着改善ELM的性能在准确性方面，但是，不适合大规模处理数据集由于高度密集的计算。 在这项研究中，我们建议一种新颖的ELM集成分类器，即b-ELM，它利用了Bag of Little Bootstraps技术可获取可扩展，高效的方式大规模数据的分类。 实现分类效率因为它只需要对数量进行反复培训就可

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：325632
    • 提供者：weixin_38675969

  1. 旋转森林的一种变体，用于构建整体分类器

  2. 旋转森林是一种有效的整体分类器生成技术，其工作原理是使用主成分分析（PCA）旋转原始特征轴，以便可以形成用于学习基础分类器的不同训练集。 本文介绍了旋转林的一种变体，可以将其视为装袋和旋转林的组合。 在这里，使用装袋将更多的随机性注入到“旋转森林”中，以增加整体成员之间的灵活性。 使用UCI储存库中的33个基准分类数据集进行的实验（其中采用分类树作为基础学习算法）表明，该方法产生的整体分类器的错误率低于Bagging，AdaBoost和Rotation Forest。 误差性能的偏差-方差分析表

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：922624
    • 提供者：weixin_38686557

  1. rd-toolkit：Rapid Diagnostics Toolkit是中间件层，用于提高基于视觉的分类器的一致性并加速其推出-源码

  2. 快速诊断工具包 快速诊断工具包是中间件层，用于改善对数字技术的访问，这些数字技术有助于在全球卫生保健点使用快速诊断测试。 该工具包提供了以下方面的开箱即用支持： 用于测试分辨率和到期时间的计时器（并支持同时运行多个计时器） RDT盒带的图像捕获和裁剪 基于计算机视觉的分类器和多种UX模式，用于集成分类器结果 用于测试管理的多语言视觉辅助 易于与其他数字工具集成/互操作 RDT的最新库 入门（对于实施者） 与Toolkit交互的最简单方法是通过支持库（通过jitpack发布）。 您可以在

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：2097152
    • 提供者：weixin_42113552

  1. 基于BootStrapping的集成分类器的中文观点句识别方法

  2. 领域相关的大规模和高质量的标注训练数据是分类器性能的重要保证,而标注训练语料是一件费时费力的工作。该文提出了一种采用小规模标注语料识别中文观点句的方法。首先采用Bootstrapping方法扩展训练语料,分别训练贝叶斯、支持向量机和最大熵分类器。最后,通过给三个训练好的分类器赋权获得一个集成分类器。实验结果表明,集成后的分类器性能优于单分类器,并且该方法在使用部分标注训练数据的情况下也能取得与采用全部标注训练数据相近的实验结果。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：1048576
    • 提供者：weixin_38744526

  1. 进化集成优化器：用于多个分类器系统的进化优化器，可从生成的合奏中找到分类器的最佳子集-源码

  2. 进化集成优化器 基于遗传算法技术的分类器集成优化器。 给定训练有素的分类器集合，进化集成分类器能够通过进化方法找到最佳和更准确的分类器子集。 用法 遗传优化操作的核心文件是文件。 文件有一个示例，说明如何通过带决策树的Bagging分类器使用系统。 要更改遗传算法参数，您需要打开并修改 。 为了运行系统： $ python bagging_example.py 依存关系 进化合奏优化器具有以下依赖性：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：206848
    • 提供者：weixin_42128963

  1. 集成分类器单细胞测序 python3机器学习 单一决策树、随机森林分类器、梯度提升决策树

  2. 原理： 决策树生成算法： 是递归地生成决策树，它往往分类精细，对训练数据集分类准确，但是对未知数据集却没有那么准确，有比较严重的过拟合问题。因此，为了简化模型的复杂度，使模型的泛化能力更强，需要对已生成的决策树进行剪枝。 集成分类算法： 集成（Ensemble）分类模型综合考量多个分类器的预测结果，从而做出决策。 随机森林分类器用相同的训练数据同时搭建多个独立的分裂模型，然后通过投票的方式，以少数服从多数的原则作出最终分类的决策。在相同的训练数据上同时搭建多棵决策树，每棵决策树会放弃固定的排序算

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：282624
    • 提供者：weixin_38738977

  1. 基于MapReduce技术的并行集成分类算法

  2. 由于计算机内存资源限制，分类器组合的有效性及最优性选择是机器学习领域的主要研究内容。经典的集成分类算法在处理小数据集时，拥有较高的分类准确性，但面对大量数据时，由于多基分类器学习、分类共用1台计算机资源，导致运算效率较低，这显然不适合处理当今的海量数据。针对已有集成分类算法只适合作用于小规模数据集的缺点，剖析了集成分类器的特性，采用基于聚合方式的集成分类器和云计算的MapReduce技术设计了并行集成分类算法（EMapReduce），达到并行处理大规模数据的目的。并在Amazon计算集群上模拟实

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：3145728
    • 提供者：weixin_38679178
« 12 3 4 5 6 7 8 9 10 ... 41 »