资料下载
×
基于领域搜索的构造性学习算法_李萍
消耗积分:1 |
格式:pdf |
大小:1377KB |
2017-03-08
#Freedom
分享资料个
基于领域搜索的构造性学习算法_李萍
构造性机器学习将 k 分类神经网络的构建转化为在样本集 S 上求出一组覆盖领域，这组领域能将不同类的点分隔开来。该算法的网络结构易于确定且能高效地处理多分类问题， 在多个领域获得有效应用和研究者的关注。构造性机器学习涉及到覆盖领域的构造，利用已标记的数据作为训练样本构造覆盖，训练出一个合适的分类器之后对未标记的数据进行分类。覆盖领域的构造直接影响着分类器的运行效率， 如果覆盖领域个数较多且覆盖的范围较小，则此分类器的运行效率就较低。在覆盖算法中，初始的球形领域的中心是随机选取的，这就不能保证覆盖个数尽可能的少以及每个球形领域覆盖住的点尽可能的多。领域搜索算法是一种简单有效的局部搜索算法， 它是基于贪婪的思想，不断地在当前领域中搜索更优解，直到领域中再也没有更优解为止
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
