已閱讀1頁，還剩78頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、k-近鄰(KNN)算法是一種簡單而有效的分類算法。傳統(tǒng)的KNN分類算法存在著參數(shù)k難以確定以及分類新數(shù)據(jù)時間耗費大的兩個缺陷。kNN模型算法(簡記KNNModel)是一種基于KNN原理的分類算法,它克服了傳統(tǒng)KNN分類算法的這兩個缺陷。KNNModel通過有監(jiān)督地構(gòu)建數(shù)據(jù)的多個KNN模型簇,以此代替原數(shù)據(jù)集作為分類的基礎(chǔ)。不但減少了對參數(shù)k的依賴,還提高了分類的速度和精度。
本文探討了KNNModel的特點與存在問題,對其
2、進行了改進與擴充,并將這些改進算法分別應(yīng)用于入侵檢測,信號肽預(yù)測等領(lǐng)域。主要工作包括:
(1)基于KNN模型的增量學(xué)習(xí)算法(IKNNModd),通過在新訓(xùn)練樣本上生成不同“層”的模型簇,實現(xiàn)了基于KNNModel的增量學(xué)習(xí)算法。
(2)基于增量KNN模型的分布式入侵檢測架構(gòu),將KNNModel算法應(yīng)用于入侵檢測領(lǐng)域,并通過分布式并行技術(shù)提高算法的效率和精度。
(3)基于特征子空間的分類算法(FS
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- BP算法的改進及其應(yīng)用.pdf
- 改進PSO算法及其應(yīng)用.pdf
- 改進的競選算法及其應(yīng)用.pdf
- 改進的QPSO算法及其應(yīng)用.pdf
- 猴群算法的改進及其應(yīng)用.pdf
- 蟻群算法的改進及其應(yīng)用.pdf
- 圖像分解算法的改進及其應(yīng)用.pdf
- DNA無序算法的改進及其應(yīng)用.pdf
- 微粒群算法的改進及其應(yīng)用.pdf
- 集成學(xué)習(xí)算法的改進及其應(yīng)用.pdf
- BP算法的改進及其應(yīng)用研究.pdf
- 等距特征映射算法的改進及其應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用.pdf
- 教與學(xué)優(yōu)化算法的改進研究及其應(yīng)用.pdf
- 局部搜索算法的改進及其應(yīng)用.pdf
- 動態(tài)矩陣控制算法的改進及其應(yīng)用.pdf
- 改進的蟻群算法及其應(yīng)用
- 改進遺傳算法及其應(yīng)用.pdf
- 改進果蠅算法及其應(yīng)用研究.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用
評論
0/150
提交評論