...007年硕士论文 4.3.1 SVDD方法 45-47 4.3.2 特征可分性度量 47-48 4.3.3 前向特征选择算法(FFS,Forward Feature Selection) 48-49 4.4 基于目标FST的可分性验证 49-52 4.4.1 FST的基本概念及..
基于4个网页-相关网页
...007年硕士论文 4.3.1 SVDD方法 45-47 4.3.2 特征可分性度量 47-48 4.3.3 前向特征选择算法(FFS,Forward Feature Selection) 48-49 4.4 基于目标FST的可分性验证 49-52 4.4.1 FST的基本概念及..
基于4个网页-相关网页
The reason of difference is analyzed and a new method named Combined Feature Selection is put forward.
分析了产生差异的原因，并提出一种适合于中文环境的特征选取方法：组合特征选取方法。
Aiming at the preceding problem, this paper puts forward a feature selection method using Information Gain (IG) and Principle Component (Analysis) (PCA).
针对上述问题，提出了信息增益(IG)与主成分分析(PCA)相结合的特征选择方法。
Based on CHI value feature selection and the cover algorithm of forward neural network, realizes the automatic classification of texts after the preprocessing of the texts.
通过对前向神经网络交叉覆盖算法的分析，针对该算法的特点，文中提出了扩大覆盖半径以减少拒识样本数据的新方法。
应用推荐