排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
一种新的证据K-NN数据分类算法 总被引:1,自引:0,他引:1
K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。 相似文献
2.
3.
为了解决C4ISR系统效能的定性评估问题,提出了一种基于证据理论和云理论的评估方法.首先,构建效能信度模型,通过评估专家对效能信度的赋值反映出定性评估过程中的不确定性,然后采用折扣融合证据规则对评估值进行融合,克服了专家经验知识不同所带来的证据高冲突性,最后使用云重心评判法得到系统效能的定性评估结果.仿真结果表明:该评... 相似文献
1