排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
支持向量机(support vector machine, SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域。然而,当训练集较大时,训练SVM需要极大的时间及空间开销。另一方面,SVM训练所得的判定函数取决于支持向量,使用支持向量集取代训练样本集进行学习,可以在不影响结果分类器分类精度的同时缩短训练时间。采用混合方法来削减训练数据集,实现潜在支持向量的选择,从而降低SVM训练所需的时间及空间复杂度。实验结果表明,该算法在极大提高SVM训练速度的同时,基本维持了原始分类器的泛化性能。 相似文献
3.
针对公交网络换乘问题,基于有向赋权图构造了公共交通换乘矩阵,设计并实现以换乘次数最少为目标的公交换乘查询算法。在此基础上,构建公交查询系统,用以完成公交线路查询、公交站点查询、公交换乘方案查询等功能。通过实际测试表明,系统能运行于基于Android系统的移动设备,为用户出行带来方便。 相似文献
4.
5.
数据预处理是整个Web使用挖掘过程的基础和实施有效挖掘算法的前提,在Web使用挖掘中起着重要的作用。论述数据预处理在Web使用挖掘中的重要性,详细分析Web使用挖掘数据预处理过程.在数据预处理的每个阶段给出一些规则并针对这些规则设计相应的预处理算法。 相似文献
1