暂无评论
不平衡数据的距离加权分类算法的误差分析 摘 要 近年来随着科技和信息技术的发展高维小样本问题和不平衡数据问题越来越 受研究者的重视支持向量机算法是最流行的分类算法之一由于其分类边界的确定 只依赖于部分
针对蒙特卡罗定位算法采样效率低和采样次数多等缺陷，在SOMCL算法的基础上提出一种基于自适应采样优化的定位算法LAASO。该算法采用锚盒子与预测区域进一步优化采样区域，通过采样区域的大小自适应确定样本
针对DV-Hop算法在节点随机分布的网络拓扑环境中存在较大误差的问题,提出了一种基于跳距修正粒子群优化的定位算法WPDV-Hop(weight PSO DV-Hop)。本算法通过对锚节点广播的数据分组
提出一种基于改进竞争模型加权似然比融合的方法来进行关键词的语音确认, 并将误差函数用于SVM对 加权向量和阈值进行优化. 通过构建两个基线系统, 将不同竞争模型的加权方式的比较和3 种模型的比较作了仿
An optimization method of Apriori algorithm
一种比strstr更高效的算法。如果你需要就来下载吧！
一种改进的灰狼优化算法
为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位
如图10所示假设图中所得到的两个顶点为空心圆的三角形区域均为正确的节点经过 APIT 测试后获得了一个错误的 Out-To-In 区域(用实心顶点的三角形标识)假设该错误的三角形区域覆盖了 grid(
摘要:为了实现车牌的准确定位及后续的车牌识别，提出一种改进的车牌定位算法。该方法首先对预处理后的车牌图像进行模板匹配来大致确定车牌I区域，为了节约运算时间，对模板匹配法进行优化。接着，运用形态梯度方法
暂无评论