排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
特征选择是机器学习领域中的基本问题之一,在大规模数据处理中至关重要.目前大多数特征选择方法以单一值作为特征的分类能力评价标准,本文提出基于子类问题分类能力的特征选择方法,该方法用特征对各子类问题的分类能力及其加权平均值来度量特征的分类能力,既能保证总分类能力强的特征被选择,也能保证对子类问题分类能力强但总分类能力不强的特征被选择.将该方法与已有的3个特征选择方法在4个公开的基因表达数据集上进行比较,结果表明该方法是有效的,且可以提高分类预测准确率. 相似文献
2.
针对目前研究Chua混沌电路各环节的不直观性和计算电路参数的复杂性,设计了一个用户平台,可对Chua混沌电路的参数、初始条件、特征值、矢量场、运动轨迹等各个环节进行全面、直观的反映.实例验证了该平台对分析Chua混沌电路有全面、准确、方便等特性,可进一步方便地研究电路.因此该平台具有极强的应用与推广价值. 相似文献
1