·
搜索结果:找到“增量算法”相关结果53409条
排序: 按相关 按相关 按时间降序
  • 【期刊】 基于递归平均PID增量算法的四电机粗纱张力控制

    刊名:仪表技术 作者:周烨斐 ; 杨煜普 关键词:张力控制 ; 粗纱机 ; 递归平均PID增量算法 机构:上海交通大学自动化系 ; 上海交通大学自动化系 ; 上海交通大学自动化系 年份:2007
    摘要:张力控制是粗纱机控制系统中的核心问题。文章在对控制对象分析的基础上,对传统PID算法做出改进,提出了递归平均PID增量算法,从而大大地改进了四电机粗纱机在自动纺纱情况下的控制性能,使四电机粗纱机的开发取得了进步。
  • 【期刊】 改进的朴素贝叶斯增量算法研究

    刊名:通信学报 作者:曾谁飞[1] ; 张笑燕[1] ; 杜晓峰[2] ; 陆天波[1] 关键词:朴素贝叶斯 增量算法 特征空间 评价指标 机构:北京邮电大学软件学院 ; 北京邮电大学软件学院 年份:2016
    摘要:提出了一种新增特征的朴素贝叶斯增量算法。在无标注语料增量样本的选择上,借助传统的类置信度阈值,构建一个最小后验概率作为样本选择的双阈值,当识别到增量语料中有新的特征时,会将该特征加入到特征空间,并对分类器进行相应的更新,发现对类置信度阈值起到很好的补充作用,最后利用了无标注和有标注语料验证所提算法。实验结果表明,改进的朴素贝叶斯增量算法较传统增量算法表现出了更优的增量学习效果。
  • 【期刊】 基于向量投影的支持向量机增量算法

    刊名:计算机科学 作者:张健沛 ; 赵莹 ; 杨静 关键词:增量算法 ; 支持向量机 ; 向量投影 ; 预选取失效 机构:哈尔滨工程大学 ; 哈尔滨工程大学 ; 哈尔滨工程大学 ; 哈尔滨工程大学 年份:2008
    摘要:提出一种新的基于向量投影的支持向量机增量式学习算法。该算法根据支持向量的几何分布特点,采用向量投影的方法对初始样本及增量样本在有效地避免预选取失效情况下进行预选取。选取最有可能成为支持向量的样本形成边界向量集,并在其上进行支持向量机训练。通过对初始样本是否满足新增样本集KKT条件的判断,解决非支持向量向支持向量转化的问题,有效地处理历史数据。实验表明,基于向量投影的支持向量机增量算法可以有效地减少训练样本数,积累历史信息,提高训练的速度,从而具有更好的推广能力。
  • 【期刊】 一种新的支持向量机增量算法

    刊名:华东理工大学学报(自然科学版) 作者:毛建洋 ; 黄道 关键词:统计学习 ; 支持向量机 ; 分类 ; 增量学习 ; KKT条件 机构:华东理工大学信息科学与工程学院 ; 华东理工大学信息科学与工程学院 ; 华东理工大学信息科学与工程学院 年份:2006
    摘要:分析了增量学习过程中支持向量和非支持向量的转化情况。在此基础上提出一种误分点回溯SVM增量算法,该算法先找出新增样本中被误分的样本,然后在原样本集寻找距误分点最近的样本作为训练集的一部分,重新构建分类器,这样能有效保留样本的分类信息。实验结果表明:该算法比传统的支持向量机增量算法有更高的分类精度。
  • 【论文】 多分类支持向量机增量算法及在认知无线电系统中的应用

    作者:王亚茹 关键词:多分类 ; 一对一对余 ; 最小二乘双支持向量机 ; 增量学习 ; 调制识别 机构:兰州大学 ; 兰州大学 年份:2016
    摘要:支持向量机(Support Vector Machine)是非常有效的机器学习方法之一,它在处理非线性的有限样本时表现优异。支持向量机的核心思想是在两种类别的分类数据中寻找一个最优的分类超平面,使得这两类数据尽可能的远离超平面,从而获得良好的分类效果。寻找该分类超平面涉及求解凸优化的问题,计算复杂度较高。针对日常生活中的多分类问题,使用传统支持向量机二分类方法暴露出很多弊端,例如分类不平衡、分类准确率低、算法复杂度高等,多分类方法由此产生。结合多分类方法的支持向量机算法具有更广泛的应用前景。实际环境中,样本数据会随着时间的变化不断的累积,因此传统的支持向量机算法已经不能处理实时变化的数据,增量算法因此提出。本文基于对多分类双支持向量机的延伸算法—多分类最小二乘双支持向量机(Least Square Twin KSVC)算法提出其增量算法,给出了完整的理论推导和实验验证,从数学角度对该增量算法做了线性和非线性两方面的推导,并选择UCI数据库的几组拥有不同类别数的数据同经典的支持向量机增量算法做了对比实验。实验结果显示,相较于经典支持向量机增量算法,该算法具有以下优势:(1)训练速度快;(2)分类识别率高;(3)适用于多类数据分类;(4)适用于高维空间。最后将提出的增量算法应用在认知无线电系统的信号调制方式识别问题中,获得了比较好的识别率。
  • 【论文】 一种改进的决策树增量算法研究

    作者:刘云胜 关键词:数据挖掘 ; 决策树 ; 朴素贝叶斯 ; 增量学习 ; 估计概率 机构:华中科技大学 ; 华中科技大学 年份:2007
    摘要: 对于数据增加迅速的客户行为分析、Web日志分析、网络入侵检测等在线分类系统来说,如何快速准确的适应新增样本是确保其分类正确和持续运行的关键。对于解决这类数据增量问题,已有的一些增量决策树算法通常需要保存大量的历史样本数据,存储代价昂贵,并且为了保证与传统决策树形式一致,每当获得新样本就要测试调整决策树的结构,而这种调整需要一定的计算代价,不能很好的满足在线分类系统的需要。数据增量问题是比较简单的一种增量问题,现实生活中还可能存在类别增量和属性增量这两种更加复杂的增量问题,传统的一些增量决策树算法往往注重对数据增量问题的研究,而忽略了对后面两种增量问题的解决。 在深入研究决策树方法和贝叶斯方法的基础上,针对数据挖掘中三种增量问题各自的特点,将决策树和贝叶斯处理的思想相结合,提出了一种改进的混合分类器算法。该算法综合了决策树方法和贝叶斯方法的优点,既有良好的可解释性,又有良好的增量学习能力。在增量问题发生时,将已经学习得到的模型应用于新增样本,在历史统计信息和新增样本的基础上进行增量式更新学习以及时获取新样本中所包含的知识,保证了分类器的实时性和有效性。 在UCI标准数据库中的数据集上将混合分类器算法同已有的决策树算法进行对比实验,结果表明该算法能够较好的解决数据挖掘中出现的增量问题,与重新构造决策树相比,它的时间开销更少,具有更高的分类准确率,从而更加适用于在线分类系统。
  • 【期刊】 一种基于极限学习机的在线负增量算法  

    刊名:《计算机应用与软件》 作者:谢林森 ; 任婷婷 ; 卢诚波 关键词:极限学习机 ; 负增量算法 ; 算法复杂性 ; 仿真实验 机构:丽水学院工程与设计学院 ; 丽水学院工程与设计学院 ; 浙江师范大学数理与信息工程学院 年份:2016
    摘要:在剔除影响单隐层前馈神经网络性能的“脏数据”后,传统的极限学习机算法需要重新训练整个网络,这会增加很多额外的训练时间。针对这一问题,在传统的极限学习机算法的基础上,提出一种在线负增量学习算法:剔除“脏训练样本”后,不需要再重新训练整个网络,而只需在原有的基础上,通过更新外权矩阵来完成网络更新。算法复杂性分析和仿真实验的结果表明所提出的算法具有更高的执行速度。
  • 【期刊】 基于边界向量的支持向量机增量算法

    刊名:计算机工程与应用 作者:王建华 ; 宋永胜 ; 赵莹 关键词:增量学习算法 ; 支持向量机 ; 预选取 机构:哈尔滨师范大学计算系 ; 哈尔滨师范大学计算系 ; 大连轻工业学院艺术与设计系 ; 哈尔滨师范大学计算系 年份:2007
    摘要:提出了一种新的基于边界向量的增量式支持向量机学习算法。该算法根据支持向量的几何分布特点,采用边界向量预选取方法,从增量样本中选取最有可能成为支持向量的样本形成边界向量集,在其上进行支持向量训练。通过对初始样本是否满足新增样本KKT条件的判断,解决非支持向量向支持向量的转化问题,有效地处理历史数据。针对UCI标准数据集上的仿真实验表明,基于边界向量的增量算法可以有效地减少训练样本数,积累历史信息,具有更高的分类速度和更好的推广能力。
  • 【期刊】 一种基于无线传感器网络的动态拓扑能量有效成簇增量算法

    刊名:微电子学与计算机 作者:崔永锋 ; 刘伟 关键词:无线传感器 ; 动态拓扑 ; 能量因子 ; 多跳 ; 数据传输 ; 传感器节点 机构:周口师范学院计算机科学与技术学院 ; 周口师范学院计算机科学与技术学院 年份:2013
    摘要:研究无线传感器网络能耗降低问题,在自适应分簇路由算法LEACH等路由协议基础上,提出了一个基于无线传感器网络的动态拓扑能量有效成簇增量算法DTECI,在传统算法的基础上,引入能量因子进行低复杂度簇头选择,借助部分节点移动的拓扑动态的网络,在数据传输上通过多跳方式进行信息路由的选择,以便实现无线传感器网络能耗降低.实验结果表明改进后的算法相对于传统的LEACH算法,能有效的减少网络节点能量的损耗,在网络生命周期上得到了很大的提高,具有一定的实际应用价值.
  • 【期刊】 基于相近原则的半指导直推学习机及其增量算法

    刊名:应用数学学报 作者:龙卫江 ; 张文修 关键词:增量算法 ; 半指导学习 ; 直推学习机 ; ; 相近度量 机构:华南理工大学计算机科学与工程学院 ; 华南理工大学计算机科学与工程学院 ; 西安交通大学理学院信息与系统科学研究所 ; 西安交通大学理学院信息与系统科学研究所 年份:2006
    摘要:半指导问题是近来机器学习研究中的备受关注一个重要内容.本文以满足“在输入空间中相近的对象其输出也相近”这一源于直观事实的原则(相近原则)去解决半指导学习问题,给出在这个原则下的一个一般的直接推理方法—基于相近原则的半指导问题直推学习机,得到了这个问题的解析解及迭代算法,用模式分类实例验证该方法的有效性,并给出适于在线处理的增量学习算法,这些增量算法尤其还适于新增了有指导的信息的场合.
  • 【期刊】 SVM增量算法及在旅游信息分类中的应用

    刊名:计算机工程与设计 作者:朱云涛 ; 尹怡欣 ; 杜军平 关键词:支持向量机 ; 增量学习 ; 旅游信息 ; 分类 ; KKT条件 机构:北京科技大学信息工程学院计算机系 ; 北京科技大学信息工程学院计算机系 ; 北京科技大学信息工程学院计算机系 ; 北京工商大学计算机学院 年份:2007
    摘要:在如何从海量的数据中提取有用的信息上提出了一种新的SVM的增量学习算法。该算法基于KKT条件,通过研究支持向量分布特点,分析了新样本加入训练集后,支持向量集的变化情况,提出等势训练集的观点。能对训练数据进行有效的遗忘淘汰,使得学习对象的知识得到了积累。在理论分析和对旅游信息分类的应用结果表明,该算法能在保持分类精度的同时,有效得提高训练速度。
  • 【期刊】 一种高效维护关联规则的增量算法

    刊名:计算机应用研究 作者:朱红蕾 ; 李明 关键词:数据挖掘 ; 关联规则 ; 维护 ; 增量更新 机构:兰州理工大学电气工程与信息工程学院 ; 兰州理工大学电气工程与信息工程学院 ; 兰州理工大学电气工程与信息工程学院 年份:2004
    摘要:数据挖掘研究的一个重要领域就是关联规则挖掘,而对已发现的关联规则进行维护成为关联规则挖掘技术的一个研究热点。分析了经典的增量更新算法FUP算法的不足,提出了一种改进的增量更新算法IFUP,并与经典的算法进行了比较分析,表明了该算法的优越性。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转