提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST...提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST框架下,提出了两种奇异值分解斜决策树(SVD(singular value decomposition)oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5算法相近,而远小于其他斜决策树算法.展开更多
针对无线传感器网络特点和节点的剩余能量、延时、延时抖动、带宽等QoS约束问题,提出了基于WSN节点最大剩余能量的多QoS约束多播路由算法SEQMRA-W(Surplus Energy Qos Multicast Routing Algorithm based on WSN).该算法把最大剩余能量...针对无线传感器网络特点和节点的剩余能量、延时、延时抖动、带宽等QoS约束问题,提出了基于WSN节点最大剩余能量的多QoS约束多播路由算法SEQMRA-W(Surplus Energy Qos Multicast Routing Algorithm based on WSN).该算法把最大剩余能量作为第一度量,同时考虑节点带宽、延时、延时抖动等因素.并对算法进行了复杂性分析.仿真实验表明:算法在路由成功率、多播树费用、能量消耗方面均具有较好特性.展开更多
文摘提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST框架下,提出了两种奇异值分解斜决策树(SVD(singular value decomposition)oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5算法相近,而远小于其他斜决策树算法.
文摘针对无线传感器网络特点和节点的剩余能量、延时、延时抖动、带宽等QoS约束问题,提出了基于WSN节点最大剩余能量的多QoS约束多播路由算法SEQMRA-W(Surplus Energy Qos Multicast Routing Algorithm based on WSN).该算法把最大剩余能量作为第一度量,同时考虑节点带宽、延时、延时抖动等因素.并对算法进行了复杂性分析.仿真实验表明:算法在路由成功率、多播树费用、能量消耗方面均具有较好特性.
