欢迎来到天天文库
浏览记录
ID:34311060
大小:1.16 MB
页数:131页
时间:2019-03-05
《基于划分与压缩的加速学习算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、2018届博士学位论文基于划分与压缩的加速学习算法研究作者姓名宋云胜指导教师梁吉业教授学科专业系统工程研究方向数据挖掘与知识发现培养单位计算机与信息技术学院学习年限2012年9月至2018年6月二〇一八年六月山西大学2018届博士学位论文基于划分与压缩的加速学习算法研究作者姓名宋云胜指导教师梁吉业教授学科专业系统工程研究方向数据挖掘与知识发现培养单位计算机与信息技术学院学习年限2012年9月至2018年6月二〇一八年六月ThesisforDoctor’sDegree,ShanxiUniversity,2018TheResearchofAcceleratedLear
2、ningAlgorithmsBasedonPartitionandCondensationStudentNameSongYunshengSupervisorProf.LiangJiyeMajorSystemEngineeringSpecialtyDataMiningandKnowledgeDis-coveryDepartmentSchoolofComputerandInforma-tionTechnologyResearchDuration2012.9-2018.6June2018目录目录......................................
3、....I英文目录.......................................III中文摘要.......................................V英文摘要.......................................VII第一章绪论.....................................11.1选题背景和研究意义.............................11.2国内外研究现状...............................21.2.1基于数据划分的加速学习算
4、法.....................21.2.2基于数据压缩的加速学习算法.....................51.3本文的研究内容和组织框架.........................12第二章基于局部信息的SVM加速算法......................152.1问题描述...................................152.2相关概念...................................162.3基于局部信息的SVM加速算法......................172.3.1基于线性投
5、影的数据划分.......................182.3.2相关参数值的确定...........................222.3.3时间复杂度分析............................222.4实验分析...................................232.5本章小结...................................33第三章基于K-means聚类的k-近邻分类加速算法................353.1问题描述................................
6、...353.2相关概念...................................363.3基于数据划分k-近邻分类加速算法的机理分析..............363.3.1问题的转化...............................363.3.2数据划分影响的估计..........................373.4基于K-means聚类的k-近邻分类加速算法................393.5实验分析...................................403.6本章小结.................
7、..................53第四章基于分层抽样的k-近邻分类加速算法...................554.1问题描述...................................554.2基于分层抽样的k-近邻分类加速算法...................56I4.2.1训练集的分层..............................564.2.2样本集的获取..............................574.2.3待识别实例的预测...........................574.3实验分析...
8、.....
此文档下载收益归作者所有