-
公开(公告)号：CN117520944A
公开(公告)日：2024-02-06
申请号：CN202311541065.2
申请日：2023-11-17
Applicant: 北京理工大学
IPC: G06F18/2415 , G06N3/082 , G06F18/2135 , G06F18/214
Abstract: 本发明提出了一种基于随机重采样多项式神经网络的分类方法。本发明通过以下步骤实现分类：首先使用随机重采样算法对所需分类的数据集进行预处理，然后按比例将其划分为训练样本集和测试样本集；接着使用基于有理二次核函数的核主成分分析降低样本集的特征数量；然后使用训练样本集构造随机重采样多项式神经网络的结构；之后将测试样本集输入至随机重采样多项式神经网络中，并输出分类结果；最后根据输出的分类结果计算分类精度。使用国际标准数据集中的Glass、Iris、Ionosphere、Wine、WDBC、Zoo这六个数据集对其分类性能进行检验，与传统的多个分类模型相比，实验结果显示本发明所提出的方法在分类问题上的准确度有较明显的提高。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
