基于偏最小二乘回歸的魯棒性特征選擇與分類算法
大小：0.80 MB 人氣： 2017-12-05 需要積分：2
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
標(biāo)簽：分類算法(9912)魯棒(11616)
提出一種基于偏最小二乘回歸的魯棒性特征選擇與分類算法（ RFSC-PLSR）用于解決特征選擇中特征之間的冗余和多重共線性問題。首先，定義一個(gè)基于鄰域估計(jì)的樣本類一致性系數(shù)；然后，根據(jù)不同后近鄰（kNN）操作篩選出局部類分布結(jié)構(gòu)穩(wěn)定的保守樣本，用其建立偏最小二乘回歸模型，進(jìn)行魯棒性特征選擇；最后，在全局結(jié)構(gòu)角度上，用類一致性系數(shù)和所有樣本的優(yōu)選特征子集建立偏最小二乘分類模型。從UCI數(shù)據(jù)庫中選擇了5個(gè)不同維度的數(shù)據(jù)集進(jìn)行數(shù)值實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，與支持向量機(jī)（ SVM）、樸素貝葉斯（NB）、BP神經(jīng)網(wǎng)絡(luò)（BPNN）和Logistic回歸（LR）四種典型的分類器相比，RFSC-PLSR在低維、中維、高維等不同情況下，分類準(zhǔn)確率、魯棒性和計(jì)算效率三種性能上均表現(xiàn)出較強(qiáng)的競爭力。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于偏最小二乘回歸的魯棒性特征選擇與分類算法下載
相關(guān)電子資料下載
- 多叉指MOSFET器件靜電防護(hù)魯棒性提升技巧 178
- 基于振幅型空間光調(diào)制器實(shí)現(xiàn)具有魯棒性且高對比度的多焦點(diǎn)聚焦方法 143
- 高魯棒性植入式神經(jīng)電極界面，用于神經(jīng)元電活動(dòng)的長期追蹤記錄 254
- 智能駕駛大模型：有望顯著提升自動(dòng)駕駛系統(tǒng)的性能和魯棒性 1008
- 基于多攝像頭的高魯棒性視覺SLAM系統(tǒng)設(shè)計(jì) 288
- 基于計(jì)算設(shè)計(jì)的超魯棒性應(yīng)變傳感器，實(shí)現(xiàn)軟體機(jī)器人的感知和自主性 489
- 理想二極管的應(yīng)用實(shí)例及主要規(guī)格 2283
- 基于RGM的魯棒且通用的特征匹配 361
- 魯棒性的含義以及如何提高模型的魯棒性？ 2744
- 一文淺談魯棒性（Robustness） 1100