排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
针对传统数据填补方法难以有效利用标签信息和缺失数据的随机信息的不足,提出面向混合型特征的粒子群优化填补算法.将连续型特征取值建模为高斯分布,均值和标准差作为优化参数.将离散型特征的取值概率作为参数进行优化.使用分类正确率作为优化目标,充分利用标签信息和缺失数据的随机信息.采用4种基于统计的方法和2种基于演化算法的填补方法作为对比,在6个典型的分类数据集上进行实验.结果表明,提出的方法在分类正确率指标上显著优于其他对比算法,同时具有较优的时间开销,能够有效解决混合特征数据缺失的问题. 相似文献
2.
3.
4.
为了降低\"相似性漂移\"问题的影响,提出一种基于\"邻域传播\"的匹配策略,将待查询项的模态内近邻映射到目标空间中,并将它们在目标空间中的最近邻作为查询项的跨模态近邻.基于邻域传播的匹配策略在不改变跨模态映射函数的条件下,可以有效地降低\"相似性漂移\"带来的误匹配现象.理论和实验分析证明,跨模态映射函数的\"相似性漂移\"问题广泛... 相似文献
5.
6.
一种基于云模型和惩罚函数的多属性评价方法 总被引:1,自引:0,他引:1
通过系统阐述多属性评价中存在的"不确定性转换问题"和"属性组态控制问题",提出了一种基于云模型和惩罚函数的多属性评价方法。以云模型为理论基础,提出了定性属性、定量属性的云化处理方法,实现了属性值的不确定性度量;以惩罚函数为理论基础,根据不同属性的惩罚幅度、灵敏度需求,构建了3种连续型惩罚函数,实现了属性组态的有效控制;最后,提出了用云模型表达的属性值集结算法和排序选优方法。通过实例应用,验证了方法的可行性、有效性。 相似文献
7.
为了提高进化算法特征选择稳定性,提出一种面向稳定特征选择的多目标蚁群优化方法。通过抽样策略集成三种特征排序法的输出作为多目标蚁群优化的稳定性指导信息,聚合特征的费舍尔分值和最大信息系数值作为多目标蚁群优化的启发式信息,以分类正确率和扩展昆彻瓦指标值作为两个优化目标,兼顾算法的分类性能与特征选择稳定性。在四个标准数据集上进行对比实验,结果表明,所提方法能够在分类性能与稳定性方面达到较好的平衡。 相似文献
1