排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
特征选择是处理高维数据的一项有效技术。针对传统方法的不足,结合[F-score]与互信息,提出了一种最小冗余最大分离的特征选择评价准则,该准则使所选择的特征具有更好的分类和预测能力;采用二进制布谷鸟搜索算法和二次规划两种搜索策略来搜索最优特征子集,并对两种搜索策略的准确性和计算量进行分析比较;最后,利用UCI数据集进行实验测试,实验结果说明了所提理论的有效性。 相似文献
2.
为有效解决误差为重尾分布的高维线性回归模型的参数估计问题,提出一种新的参数估计方法,将一种"对数-指数-和"型的惩罚项与最小一乘估计相结合,在参数估计过程中能够自适应地调整各系数的惩罚权重,使参数估计结果更加准确稳定.对该方法进行数值实验测试,并选择同类型的几种参数估计方法进行对比,结果证明了该参数估计方法的有效性. 相似文献
1
