排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集KEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-K-SMOTE算法可有效平衡不平衡数据集。 相似文献
2.
针对多自主水下航行器编队协同控制问题,建立了基于Leader-Follower编队的数学模型,设计了编队控制律,并从理论上证明了控制律的稳定性。为了直观地表达自主水下航行器编队控制的效果,利用MATLAB的Simulink/VRML工具箱构建了水下航行器的编队控制的可视化仿真模型。仿真结果表明,提出的编队控制算法是有效的,所构建的仿真平台直观地表达了自主水下航行器的编队效果,该仿真模型易于扩展,且可以验证其它编队控制算法。 相似文献
3.
1