排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于SVM和NN的空管手写符号的识别研究 总被引：1，自引：1，他引：0
针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性. 相似文献
2.
客户-设备的p中心定位问题旨在使每个客户访问与其最近的开放设备的最大距离最小，是典型的NP难题.采用聚类分析来解决离散p-中心问题，主要工作包括：（1）分析了按需求点分布类型来分类p-中心问题；(2)提出了基于聚类的p-中心定位算法p-cluster；(3)提出了用混沌搜索机制来求解带权值的一中心问题的算法CSOC(Chaos Search One Center).在合成数据和真实数据上的实验表明，使用p-cluster算法可以有效地解决p-中心问题，从对比实验可以看出p-cluster算法明显优于分支限 相似文献
1