您的位置： 专家智库 > >

海振

作品数：2 被引量：8H指数：2
供职机构：西安交通大学电子与信息工程学院更多>>
发文基金：国家自然科学基金国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇BAGGIN...
  • 1篇K-NN
  • 1篇K-近邻

机构

  • 2篇西安交通大学

作者

  • 2篇何亮
  • 2篇沈钧毅
  • 2篇宋擒豹
  • 2篇海振

传媒

  • 1篇西安交通大学...
  • 1篇控制与决策

年份

  • 1篇2010
  • 1篇2009
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
一种新的组合k-近邻预测方法被引量：4
2009年
针对传统是一近邻（k-NN）算法基于单一k值预测难以兼顾不同样本的个性，从而导致总体预测精度不够理想的问题，提出了一种组合Bk-NN预测方法．首先通过Boosting理论建立了个性化预测模型集，然后分别采用每个模型对样本进行独立预测，最后各模型预测值的加权和将作为最终预测结果．Bk-NN预测充分考虑了不同类型的样本可能要求不同的预测模型与之相适应的情况，有效降低了预测误差．与其他方法不同的是，Bk-NN预测对数据集的属性类型没有特殊要求．在标准数据集上的实验结果表明，Bk—NN预测精度比传统k—NN方法平均提高了6．44％～15．25％．
何亮宋擒豹沈钧毅海振
基于Bagging的组合k-NN预测模型与方法被引量：4
2010年
k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证.针对该问题,提出了一种基于Bagging的组合k-NN预测模型,并在此基础上实现了具有属性选择的Bgk-NN预测方法.该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果.Bgk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集.标准数据集上的实验表明,Bgk-NN预测精度较之传统k-NN方法有了明显提高.
何亮宋擒豹海振沈钧毅
关键词：BAGGING
全选 清除 导出
共1页<1>
聚类工具0