《第29届中国数据库学术会议论文集（B辑）（NDBC2012）》2012年

发布时间：2016-11-19 16:35

  本文关键词：基于最近邻规则的神经网络训练样本选择方法，，由笔耕文化传播整理发布。

【参考文献】

中国期刊全文数据库 前4条

1 邹权;郭茂祖;刘扬;王峻;;类别不平衡的分类方法及在生物信息学中的应用[J];计算机研究与发展;2010年08期

2 林舒杨;李翠华;江弋;林琛;邹权;;不平衡数据的降采样方法研究[J];计算机研究与发展;2011年S3期

3 张春霞;张讲社;;选择性集成学习算法综述[J];计算机学报;2011年08期

4 郝红卫;王志彬;殷绪成;陈志强;;分类器的动态选择与循环集成方法[J];自动化学报;2011年11期

【共引文献】

中国期刊全文数据库 前10条

1 琚春华;邹江波;张芮;魏建良;;基于MapReduce技术的并行集成分类算法[J];电信科学;2012年07期

2 陈康;向勇;喻超;;大数据时代机器学习的新趋势[J];电信科学;2012年12期

3 林舒杨;李翠华;江弋;林琛;邹权;;不平衡数据的降采样方法研究[J];计算机研究与发展;2011年S3期

4 秦传东;刘三阳;张市芳;;基于不平衡数据分类的一种平衡模糊支持向量机[J];计算机科学;2012年06期

5 张玉芳;王勇;熊忠阳;刘明;;不平衡数据集上的文本分类特征选择新方法[J];计算机应用研究;2011年12期

6 郭颖婕;刘晓燕;郭茂祖;邹权;;植物抗性基因识别中的随机森林分类方法[J];计算机科学与探索;2012年01期

7 邱诚;王大海;任伟家;邹权;;基于集成学习的音乐识别方法研究[J];计算机科学;2012年12期

8 侯勇;郑雪峰;;集成学习算法的研究与应用[J];计算机工程与应用;2012年34期

9 陆慧娟;安春霖;马小平;郑恩辉;杨小兵;;基于输出不一致测度的极限学习机集成的基因表达数据分类[J];计算机学报;2013年02期

10 汤健;柴天佑;余文;赵立杰;;在线KPLS建模方法及在磨机负荷参数集成建模中的应用[J];自动化学报;2013年05期

中国博士学位论文全文数据库 前4条

1 秦传东;模糊与双重正则化支持向量机的研究及应用[D];西安电子科技大学;2012年

2 牛小飞;基于遗传规划和集成学习的Web Spam检测关键技术研究[D];山东大学;2012年

3 陆慧娟;基于基因表达数据的肿瘤分类算法研究[D];中国矿业大学;2012年

4 谢铭;关联数据和知识表示的自动语义标注技术[D];武汉大学;2012年

中国硕士学位论文全文数据库 前6条

1 李建军;比较句与比较关系识别研究及其应用[D];重庆大学;2011年

2 郭颖婕;基于随机森林的植物抗性基因识别方法研究[D];哈尔滨工业大学;2011年

3 黄文涛;基于神经网络的嵌入式语音识别系统研究[D];广东工业大学;2012年

4 张华忠;基于贝叶斯集成分类器的自动图像标注[D];西南交通大学;2012年

5 陈文;基于演化硬件的DNA微阵列数据分类方法研究[D];重庆邮电大学;2012年

6 王勇;中文文本分类特征选择和特征加权方法研究[D];重庆大学;2012年

【二级参考文献】

中国期刊全文数据库 前10条

1 李鹏;王晓龙;刘远超;王宝勋;;一种基于混合策略的失衡数据集分类方法[J];电子学报;2007年11期

2 李国正,杨杰,孔安生,陈念贻;基于聚类算法的选择性神经网络集成[J];复旦学报(自然科学版);2004年05期

3 杨晓霜;汪源源;;基于Moore-Penrose逆矩阵的选择性集成[J];光电工程;2009年11期

4 邹权;郭茂祖;刘扬;王峻;;类别不平衡的分类方法及在生物信息学中的应用[J];计算机研究与发展;2010年08期

5 王磊;;基于约束投影的支持向量机选择性集成[J];计算机科学;2009年10期

6 郝红卫;蒋蓉蓉;;基于最近邻规则的神经网络训练样本选择方法[J];自动化学报;2007年12期

7 刘胥影;吴建鑫;周志华;;一种基于级联模型的类别不平衡数据分类方法[J];南京大学学报(自然科学版);2006年02期

8 李建中;杨昆;高宏;骆吉洲;郭政;;考虑样本不平衡的模型无关的基因选择方法[J];软件学报;2006年07期

9 王丽丽;苏德富;;基于群体智能的选择性决策树分类器集成[J];计算机技术与发展;2006年12期

10 唐耀华;高静怀;包乾宗;;一种新的选择性支持向量机集成学习算法[J];西安交通大学学报;2008年10期

中国硕士学位论文全文数据库 前1条

1 盛高斌;基于半监督回归的选择性集成算法及其应用研究[D];浙江工业大学;2009年

【相似文献】

中国期刊全文数据库 前10条

1 王昕昕;;基于遗传算法的分类方法讨论[J];电脑知识与技术;2009年33期

2 徐科,徐金梧,班晓娟;冷轧带钢表面质量自动监测系统的模式识别方法研究[J];钢铁;2002年06期

3 王勇;李战怀;张阳;;未知真实类标记条件下数据流中的变化发现方法[J];西北工业大学学报;2006年02期

4 张若琳;万力;张发旺;石迎春;;土地利用遥感分类方法研究进展[J];南水北调与水利科技;2006年02期

5 王晓东;丁冬花;;实时车辆检测和跟踪系统设计[J];微计算机信息;2006年32期

6 董立岩;刘光远;苑森淼;李永丽;孙铭会;;混合式朴素贝叶斯分类模型[J];吉林大学学报(信息科学版);2007年01期

7 周屹;;基于Naive Bayes的文本分类器的设计与实现[J];黑龙江工程学院学报;2007年02期

8 徐小慧;张安;端木京顺;郝秦霞;;基于粒子群分类器的遥感图像目标识别[J];红外与激光工程;2007年04期

9 钟萍;岑涌;席斌;;最小二乘支持向量机在医疗数据分析中的应用[J];计算机与数字工程;2007年09期

10 王皓;孙宏斌;张伯明;;PG-HMI:一种基于互信息的特征选择方法[J];模式识别与人工智能;2007年01期

中国重要会议论文全文数据库 前10条

1 付焕焕;李俊;张洁;;入侵检测中机器学习算法的集成[A];中国电子学会第十七届信息论学术年会论文集[C];2010年

2 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

3 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 薛忠;李艳;谢维信;;一种改进的模糊联想分类器[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

5 韩敏;程磊;;用于航空图片分类的神经网络模型[A];第二十一届中国控制会议论文集[C];2002年

6 李烨;蔡云泽;李远贵;张强;;基于属性约简与依赖度分析改进支持向量机性能[A];第二十三届中国控制会议论文集（下册）[C];2004年

7 杜方键;杨宏晖;;K均值聚类优化集成学习[A];2011'中国西部声学学术交流会论文集[C];2011年

8 王双成;毕玉江;裴瑱;;商品进出口影响分析的动态贝叶斯网络分类器方法[A];第十三届中国管理科学学术年会论文集[C];2011年

9 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

10 汤家法;;基于可拓分类器的遥感影像分类[A];第十七届中国遥感大会摘要集[C];2010年

中国博士学位论文全文数据库 前10条

1 谢元澄;分类器集成研究[D];南京理工大学;2009年

2 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

3 冯爱民;结构驱动的单类分类器设计及拓展研究[D];南京航空航天大学;2011年

4 宁博;面向行人检测的动态视觉词提取与集成分类方法研究[D];中国科学技术大学;2012年

5 薛晖;分类器设计中的正则化技术研究[D];南京航空航天大学;2008年

6 赵强利;基于选择性集成的在线机器学习关键技术研究[D];国防科学技术大学;2010年

7 李军;不平衡数据学习的研究[D];吉林大学;2011年

8 陈晓林;基于动态代价敏感的机器学习研究[D];华中科技大学;2010年

9 陈义明;基于分类的蛋白质功能预测技术研究[D];国防科学技术大学;2010年

10 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

中国硕士学位论文全文数据库 前10条

1 王秀霞;分类器的选择性集成及其差异性研究[D];兰州理工大学;2011年

2 王亚松;关于组合分类器修剪方法的研究[D];郑州大学;2011年

3 刘立元;基于集成学习的蛋白质亚细胞定位预测[D];济南大学;2011年

4 刘凯;基于低维子空间目标类几何覆盖模型的一类分类器研究[D];燕山大学;2012年

5 苏攀;不平衡分类器博弈模型及其在中国象棋中的应用[D];河北大学;2011年

6 王晓芹;类别不平衡数据的集成学习研究[D];山东师范大学;2010年

7 刘国强;基于组合抽样技术的集成学习算法研究与应用[D];中国海洋大学;2011年

8 樊龙夫;智能交通行人检测系统的分类技术研究[D];中国科学技术大学;2010年

9 任芳;基于集成学习模式的Boost-SVM算法研究[D];武汉科技大学;2008年

10 李平;多标记分类中的半监督降维和集成学习[D];中南大学;2010年

  本文关键词：基于最近邻规则的神经网络训练样本选择方法，由笔耕文化传播整理发布。

本文编号：182789