·
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
  • 【论文】 FCM聚类及其增量算法的研究

    作者:吴佳 关键词:数据挖掘 ; 聚类 ; 模糊C-均值算法 ; 半监督算法 ; 增量聚类算法 ; 蚁群算法 机构:长沙理工大学 ; 长沙理工大学 年份:2011
    摘要:作为数据挖掘技术的一个重要分支,聚类分析是数据挖掘中一种非常重要的挖掘方法。它主要研究数据之间的物理或逻辑关系,通过一组特定的规则把数据集划分成为若干个由性质相似的数据点组成的类。 模糊C-均值聚类算法是一种比较常用的聚类分析算法。它通过不断重复地修改聚类中心以及隶属度矩阵,从而实现对样本进行自动分类的目的。由于初始聚类中心对FCM聚类算法的影响较大,目前存在大量的改进算法。本文探讨了模糊C-均值聚类的改进及其增量聚类算法。所做的主要工作如下: 1.分析了FCM聚类算法的优缺点,并针对缺点进行改进,在目标函数中引入拉普拉斯系数,把对象间的结构信息转换为权重,从而提高算法的质量以及效率。将改进后的算法增量聚类算法结合,该算法避免了大量的重复计算,并且不受孤立点的影响。 2.分析了现有的半监督模糊C-均值聚类算法,提出了一种基于改进的半监督模糊C-均值聚类方法。该算法把基于蚁群算法的模糊C-均值算法与半监督模糊C-均值聚类算法相结合,通过改变目标函数来提高算法的性能。当已标记样本占总样本数的比例越大时,算法性能越高。 3.对改进后的算法选取部分数据集使用MATLAB进行仿真实验,与其它算法的聚类结果进行比较,并分析实验结果。
  • 【期刊】 针对饱和问题的改进PID增量算法

    刊名:机床与液压 作者:杨乐 ; 祝和云 ; 孙优贤 关键词:PID增量算法 ; 饱和问题 ; 无扰动切换 机构:浙江大学工业控制技术国家重点实验室 ; 浙江大学工业控制技术国家重点实验室 ; 浙江大学工业控制技术国家重点实验室 ; 浙江大学工业控制技术国家重点实验室 年份:2002
    摘要:本文指出PID增量算法在设定值跳变和手动自动切换时闭环控制系统易产生欠调现象 ,通过分析我们发现这种控制性能下降的情况是由于饱和问题所造成的 ,我们给出了一种改进PID增量算法以消除饱和问题的影响 ,实际工业应用效果证明了这种算法的有效性
  • 【期刊】 矩阵低秩逼近的快速增量算法及其在人脸图像中的应用(英文)

    刊名:中国科学技术大学学报 作者:杨济美 ; 向世明 ; 刘荣 ; 汪增福 ; 李子青 关键词:低秩逼近 ; 主成分分析 ; 奇异值分解 ; 人脸图像 机构:中国科学技术大学自动化系 ; 中国科学技术大学自动化系 ; 中国科学院自动化研究所生物特征识别与安全技术研究中心 年份:2009
    摘要:针对矩阵数据降维或低秩逼近问题,提出了一种快速增量算法.假设矩阵数据存在双边分解,建立了两个相互耦合的特征子空间模型,因此增量算法由两个特征子空间的迭代更新构成.每一步迭代,新载入的矩阵数据沿着行(列)特征子空间进行正交分解,从而获得了行(列)协方差矩阵更紧致的表达.一旦该表达被建立,行(列)特征子空间的更新就可以通过解一个和矩阵数据的行(列)数相比更小规模的特征值问题来完成,算法的高效率得以实现.该算法被应用到人脸图像重构和人脸跟踪问题中,一系列实验表明了算法的有效性.
  • 【期刊】 PID增量算法在线改变参数时运算出错的探讨

    刊名:电子技术应用 作者:姜顺天 机构:上海纺织工业专科学校自动化教研室 ; 上海纺织工业专科学校自动化教研室 年份:1989
    摘要: 目前,工业过程微机控制系统普遍采用PID调节规律。而PID参数,一般均根据对象的传递函数粗略设定,然后在实验中通过在线精确调整以求得最佳参数。笔者通过在线改变参数调试PID特性时,发现如不采取措施而改变K_P参数,运算结果就会出错,但改变K_l或K_d参数,则运算结果正确。本文将根据增量算法的运算过程详细分析其出错原因,并提出防止出错的相应措施,实践证明该措施是行之有效的。
  • 【期刊】 自适应的SVM增量算法

    刊名:计算机科学与探索 作者:何丽 ; 韩克平 ; 刘颖 关键词:支持向量机(SVM) ; 增量学习 ; 数据分布 ; 超平面距离 机构:天津财经大学理工学院 ; 天津财经大学理工学院 年份:2019
    摘要:支持向量机(support vector machine,SVM)算法因其在小样本训练集上的优势和较好的鲁棒性,被广泛应用于处理分类问题。但是对于增量数据和大规模数据,传统的SVM分类算法不能满足需求,增量学习是解决这些问题的有效方法之一。基于数据分布的结构化描述,提出了一种自适应SVM增量学习算法。该算法根据原样本和新增样本与当前分类超平面之间的几何距离,建立了自适应的增量样本选择模型,该模型能够有效地筛选出参与增量训练的边界样本。为了平衡增量学习的速度和性能,模型分别为新增样本和原模型样本设置了基于空间分布相似性的调整系数。实验结果表明,该算法在加快分类速度的同时提高了模型性能。
  • 【期刊】 基于改进权重增量Apriori算法的产品推荐方法

    刊名:计算机系统应用 作者:王昕妍 ; 王晓峰 关键词:权重增量 ; 产品推荐 ; 关联规则挖掘 机构:上海海事大学信息工程学院 ; 上海海事大学信息工程学院 年份:2015
    摘要:采用权重增量挖掘思想优化算法,为用户推荐个性化产品配置提供了有效的解决方案.方法主要主要分为3个部分,首先利用平台搭建起来的用户跟踪模块对用户行为进行跟踪和数据的收集;然后结合用户最近的行为习惯,使用基于权重增量的Apriori算法进行关联规则挖掘;最后根据挖掘出的结果完成产品推荐的过程.通过对挖掘算法的优化,大大提高了系统的运行效率和准确性,产品推荐随着用户行为的改变而改变,更加符合实际情况.实验结果表明,该算法可以有效解决产品推荐问题,相比于传统关联规则挖掘算法,准确率提高了4%.
  • 【期刊】 求解广义纳什均衡问题的增量算法

    刊名:纯粹数学与应用数学 作者:罗美菊 ; 吴欧 关键词:广义纳什均衡问题 ; 罚函数 ; KKT条件 ; 算法 机构:辽宁大学数学院 ; 辽宁大学数学院 ; 中国人民解放军理工大学理学院 年份:2012
    摘要:研究每个局中人的决策集都有可能与竞争者的决策集有关的广义纳什均衡问题.给出了该广义纳什均衡问题罚函数形式的再定式.通过分析其KKT点的特点,进一步给出了求解广义纳什均衡问题的增量算法.
  • 【期刊】 特大增量算法分析变截面梁问题

    刊名:工业建筑 作者:贾红学 ; 龙丹冰 ; 刘西拉 关键词:变截面梁 ; 广义逆矩阵 ; 特大增量步算法 ; 柔度矩阵 机构:上海交通大学工程力学系 ; 上海交通大学工程力学系 ; 上海交通大学土木工程系 年份:2013
    摘要:针对工程结构中广泛应用的变截面梁,利用基于广义逆矩阵理论的特大增量算法对变截面梁进行求解。该算法是一种新的迭代算法。在给定变截面梁截面参数后,利用能量原理推导出梁单元的柔度矩阵。通过迭代计算,结果将很快收敛到精确解。给出了两端固支变截面梁算例。计算表明,如果把变截面梁划分成分段等截面的梁单元进行计算,这就要求单元数必须足够多才能保证结果趋于精确解。然而,该算法相比位移法仅需要很少的单元就能得到满意的结果,计算效率和精度得到明显的提高。
  • 【论文】 支持向量机增量算法

    作者:海洋 关键词:支持向量机 ; 投票法 ; 在线增量学习 ; 批增量学习 机构:中央民族大学 ; 中央民族大学 年份:2011
    摘要:随着信息时代的到来,特别是随着网络迅猛发展而出现的“信息爆炸”问题,向传统的信息挖掘,知识获取技术提出了巨大的挑战。一方面,我们现在拥有的数据极大丰富,其间蕴含的信息和知识具有很大的潜在价值;另一方面,信息的更新速度也达到了令人吃惊的地步。因此,具有增量学习功能的数据分类技术,正逐渐成为当前信息的智能化发现和挖掘的关键技术之一。与普通的数据分类技术相比,增量学习分类技术具有显著的优越性,这主要表现在两个方面:一方面由于其无须保存历史数据,从而减少了存储空间的占用;另一方面,由于其在新的训练过程中充分利用了历史的训练结果,从而显著地减少了后继训练所需的时间。 本文主要采用组合方法,实现了支持向量机的增量学习,具体方法如下: 1.首先,在处理实际问题时,多数情况是属于多分类问题,而传统的支持向量机只能解决二分类问题。现在解决多分类问题的主要方法有一对余(OVR),一对一(OVO),二元树(BT),有向非循环图(DAG), QP-MC-SV算法,LP-MC-SV算法,κ-类方法和球形分类器算法,本文采用一对一(OVO)方法解决样本中的多分类问题。 2.其次,本文将确定新增样本的数据类型,将新增样本分为在线增量数据和批增量数据两种,并判断新增样本是否违反了Karuch-Kuhn-Tucher (KKT)条件,如果没有违反,新增样本对原支持向量机没有影响;如果违反了,说明新增样本对原支持向量机有影响,需要进行增量学习。根据不同的数据类型,本增量学习算法分为两部分并都采用投票的方法分别进行在线增量学习和批增量学习。 3.最后,使用UCI标准数据库中数据集,对本文提出的方法进行实验性分析。从实验结果可以看出,与其他增量学习算法相比,本文提出的方法具有较高的准确率,并且能很好的节省运算时间。
  • 【期刊】 基坑支护土钉力的简化增量算法经验谈

    刊名:建材与装饰:上旬 作者:常海港 ; 白新红 关键词:基坑支护 ; 土钉力 ; 简化增量 ; 计算法 年份:2013
    摘要:基坑支护工程项目中,土钉支护由于其具有良好的经济性以及适应性在基坑工程中得到了广泛的应用。但土钉支护的设计理论与实际的应用不相匹配并且远远滞后,由此相应的基坑工程项目的施工缺乏有效的理论依据。通过对土钉力在工程项目中计算的探讨,明确了土钉力在基坑工程项目设计中的参数设置,同时也为相应工程项目的设计和施工提供了可供参考的经验。
  • 【期刊】 特大增量算法在板分析中的应用

    刊名:上海交通大学学报 作者:贾红学 ; 龙丹冰 ; 刘西拉 关键词:特大增量步算法 ; 板单元 ; 中厚板 ; 位移法有限元法 ; 剪切闭锁 机构:上海交通大学工程力学系 ; 上海交通大学工程力学系 ; 上海交通大学土木工程系 年份:2013
    摘要:基于特大增量算法(LIM)建立了以力为变量的Mindlin-Reissner型矩形板单元,将LIM应用于中厚板问题上,同时给出算例进行分析.通过与精确解和传统的位移法有限元法的结果比较,表明LIM在求解中厚板和薄板问题时有较好的收敛性和准确性,而且在求解薄板问题时不会存在剪切闭锁.
  • 【期刊】 基于改进模糊语法增量算法的文本分类方法

    刊名:计算机应用研究 作者:龚静 ; 黄欣阳 关键词:文本分类 ; 机器学习 ; 增量式 ; 模糊语法 ; 重新训练 机构:湖南环境生物职业技术学院信息技术系 ; 湖南环境生物职业技术学院信息技术系 ; 南华大学计算机学院 年份:2017
    摘要:针对现有很多文本分类算法必须进行训练—测试—再训练的缺点以及通用模型的语法表现度较差等问题,提出一种改进的模糊语法算法(IFGA)。根据一些选取的文本片段建立学习模型;为了适应轻微变化,采用增量式模型,将选取的文本片段转换到底层架构中,形成模糊语法;利用模糊联合操作将单个文本片段语法进行整合,并将所学习的文本片段转换成更加一般的表示形式。与决策表算法、改进的朴素贝叶斯算法等进行了两组对比实验,第一个实验结果表明,IFGA和其他机器学习算法性能并无明显差异;第二个实验结果说明,增量式学习算法比标准机器学习算法更加具有优势,其性能较平稳,数据的尺寸影响更小。提出的算法具有较低的模型重新训练时间。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转