排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
提出了通过最小覆盖的原理来进行样本分类判别的一种新方法;给出了空间中的样本分类判别准则和分类模型.以乳房肿瘤病例为例,分别以二维和三维的最小覆盖来对该模型进行分类判别,对69个待检测数据进行检验,结果误判率为4.35%.从对比分析中得出用二维的方法来分类判别更为经济实用.比较同种实例的其他几种分类方法,结果表明,该方法更适用,操作容易且识别率高. 相似文献
2.
3.
区别于传统的聚类方法,提出了以类为起点,通过构造闭包进行聚类的新方法,并建立了聚类判别模型,此模型给出了对于闭包间的交叉区域的检验点的判别准则。然后针对二维的聚类问题,提出了以最小圆为闭包的聚类判别模型,并对乳房肿瘤病例进行数值实验。对于乳房肿瘤病例,首先进行了指标选取、数据预处理,然后以最小圆为闭包建立了模型,最后对69个待检测数据进行检验,结果误判率为4.35%。 相似文献
1