论文研究一种增强显现模式的癌症分类算法.pdf

真实世界中存在大量的类别不平衡分类问题，传统的机器学习算法如AdaBoost算法，关注的是分类器的整体性能，而没有给予小类更多的关注。因此针对类别不平衡学习算法的研究是机器学习的一个重要方向。Asym

当输入维数高时神经网络结构复杂、体系庞大，导致其收敛速度慢。为克服这个缺点，提出了基于决策规则的神经网络,利用粗糙集理论从数据样本中获取最简的决策规则，按决策规则语义构建一种不完全连接的神经网络。根据

一种自动分类的加权模糊C均值图像分割算法，潘伟，付佳，加权模糊C均值算法(WFCM)算法是一种有效的图像分割算法，该算法的分类数需要人工确定。为了提高算法的自动化程度，本文提出了先采��

提出一种基于图的半指导学习算法用于网页分类。采用k近邻算法构建一个带权图，图中节点为已标志或未标志的网页，连接边的权重表示类的传播概率，将网页分类问题形式化为图中类的概率传播。为有效利用图中未标志节点

基于支持向量机核函数的条件，将Sobolev Hilbert空间的再生核函数进行改进，给出一种新的支持向量机核函数，并提出一种改进的最小二乘再生核支持向量机的回归模型，该回归模型的参数被减少，且仿真实

提出了一种基于核的模糊多球分类算法,该算法在训练阶段为每一个模式类构造多个最小球覆盖其所有的训练样本,并且在识别阶段算法利用一个模糊隶属函数来归类测试样本。此外,在提出的分类算法的基础上,还给出了它的

针对高速网络应用对基于范围查找的分组分类算法的要求以及高性能并行计算环境的特点,提出了一种高速多维分组分类算法——PRSMC（基于范围搜索的并行多维分类）算法。该算法具有较快的搜索速度和较强的并行性,

针对基于概率统计的ML-kNN算法只能对每个独立的标签进行分析，忽略了真实世界中标签间的相关性，提出了一种联系标签相关性的ML-kNN算法（S-ML-kNN）。该方法对训练集进行扩展，并按照标签间的二

针对大量复杂而亟待分类的模式类型，提出了一种基于层级分类策略的复杂模式识别方法。该方法通过选择合适的分层标志，从多侧面反映被分类对象的属性，降低了分类的复杂度，提高了分类效率。建立了层级分类策略模型以

为实现医学图像中感兴趣区域辨识度的增强.针对医学图像中CT图的特点提出一种增强算法(RoughComputedTomographyAlgorithm,RCTA).算法以粗糙集(RoughSets,RS