咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于近邻距离的大规模样本集去噪与减样 收藏

基于近邻距离的大规模样本集去噪与减样

Denoising and Sample Reduction for Large-scale Sample Set Based on Distance of Nearest Neighbors

作     者:陈圣兵 李龙澍 CHEN Sheng-bing;LI Long-shu

作者机构:合肥学院计算机科学与技术系合肥230601 安徽大学计算智能与信号处理教育部重点实验室合肥230039 

出 版 物:《计算机工程》 (Computer Engineering)

年 卷 期:2011年第37卷第5期

页      面:184-186页

核心收录:

学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金资助项目(60273043) 安徽省自然科学基金资助项目(090412054) 

主  题:支持向量 去噪 减样 大规模样本集 

摘      要:在分析传统样本缩减方法局限性的基础上,提出一种距离模型及样本的类内距离和类间距离的度量方法。给出利用该距离模型进行噪声识别和样本重要性评价方法及训练样本的缩减算法。该算法剔除噪声样本,根据样本相似性、类间距离和周围被剔除样本的数目,直接从原始样本空间剔除次要样本。仿真结果表明,该距离模型偶然性小,抗噪能力强,缩减效果优于传统的样本缩减方法。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分