期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于样本密度加权的神经网络分类器在文本分类中的应用 被引量:1
1
作者 廖一星 《计算机应用与软件》 CSCD 2009年第9期234-236,239,共4页
为了提高文本分类精度,根据训练集的样本密度的不同,提出了一种基于k最近邻密度估计的样本加权算法,从而使得样本密度较大的样本权重得到加强,处于样本密度平均水平的样本权重保持不变,而样本密度较小的样本权重得到减弱。并将这种方法... 为了提高文本分类精度,根据训练集的样本密度的不同,提出了一种基于k最近邻密度估计的样本加权算法,从而使得样本密度较大的样本权重得到加强,处于样本密度平均水平的样本权重保持不变,而样本密度较小的样本权重得到减弱。并将这种方法所构成的神经网络分类器用于文本分类。实验结果表明,这种方法可以在一定程度上提高文本分类精度,优于原始的未加权的分类方法。 展开更多
关键词 k最近邻密度估计 神经网络 文本分类
在线阅读 下载PDF
异常值的检测及其对棉纱强力预测精度的影响
2
作者 李晓峰 郁崇文 《东华大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第1期43-47,共5页
异常值的存在会不同程度地影响BP神经网络对棉纱强力指标的预测精度,因此对原数据进行异常值检测及对检出异常值的处理是非常关键的.采用系统聚类中的k最近邻密度估计方法对数据样本中存在的异常值进行检测,使用多元回归分析方法对检出... 异常值的存在会不同程度地影响BP神经网络对棉纱强力指标的预测精度,因此对原数据进行异常值检测及对检出异常值的处理是非常关键的.采用系统聚类中的k最近邻密度估计方法对数据样本中存在的异常值进行检测,使用多元回归分析方法对检出的异常值进行修正,对修正前后共4组棉纱强力数据样本进行预测,得到各自的预测精度,经过对比分析,发现修正样本的相对误差和均方误差均明显低于其他3组包含异常值的样本,且异常值的数量越多则预测精度越低. 展开更多
关键词 棉纱强力 异常值 预测 k最近邻密度估计 多元回归分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部