Im Buch
Ergebnisse 1-3 von 13
Seite 62
(一)輸入/輸出資料按各類別數目,隨機將分類標本一分為二分類標本按各類別數目隨機產生 n 組數目是分類標本 1/2 的訓練檬本訓練集檢驗集訓練樣本訓練檬本 m T E LI Lm 測試階段訓練階段 Pareto solution Pareto solution 候選解圖 3.1 訓練集和檢驗集資料 ...
(一)輸入/輸出資料按各類別數目,隨機將分類標本一分為二分類標本按各類別數目隨機產生 n 組數目是分類標本 1/2 的訓練檬本訓練集檢驗集訓練樣本訓練檬本 m T E LI Lm 測試階段訓練階段 Pareto solution Pareto solution 候選解圖 3.1 訓練集和檢驗集資料 ...
Seite 65
我們在第(一)節中將對實驗中所用到的分類樣本,及訓練集和參考集的產生方式作一詳細描述。在第(二)節的實驗中將我們提出的演算法和基因演算法[ 13 ]應用在選擇型 k - NNR 分類器的設計上,同時在分類正確性、參考集合數目和設計效率上作了比較。
我們在第(一)節中將對實驗中所用到的分類樣本,及訓練集和參考集的產生方式作一詳細描述。在第(二)節的實驗中將我們提出的演算法和基因演算法[ 13 ]應用在選擇型 k - NNR 分類器的設計上,同時在分類正確性、參考集合數目和設計效率上作了比較。
Seite 67
表 4.2 本演算法採用 IRIS 為分類樣本的實驗結果( % )參考集數目實驗實驗實驗實驗樣本 1 樣本 2 樣本 3 樣本 4 樣本 5 實驗平均值變異數 3 69.33 73.47 74.67 73.56 71.66 73 0.0438 6 77.33 74.93 77.33 73.87 74.44 76 0.0269 9 81.33 75.73 78.63 ...
表 4.2 本演算法採用 IRIS 為分類樣本的實驗結果( % )參考集數目實驗實驗實驗實驗樣本 1 樣本 2 樣本 3 樣本 4 樣本 5 實驗平均值變異數 3 69.33 73.47 74.67 73.56 71.66 73 0.0438 6 77.33 74.93 77.33 73.87 74.44 76 0.0269 9 81.33 75.73 78.63 ...
Was andere dazu sagen - Rezension schreiben
Es wurden keine Rezensionen gefunden.