- 1、本文档共76页,其中可免费阅读23页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
分类方法被广泛地运用在人工智能、模式识别和日常生活决策中,日益发
展的信息技术使得分类器面临高维数据问题。分位数分类方法作为一种非参数
方法,以距离函数构建判别函数,具备解决高维问题的优势。
本文系统地比较了分位数分类器系列模型的差异和优缺点,以改进集成分
位数分类器相关性信息的处理能力、方向分位数分类器变量筛选能力为出发点,
提出了集成方向分位数分类器模型。本文推导了所提出集成方向分位数分类器
模型的判别函数、损失函数理论表达式,并证明了总体损失函数和经验损失函
数在自变量数固定,随着样本
文档评论(0)