排序方式: 共有20条查询结果,搜索用时 515 毫秒
11.
12.
13.
14.
为了有效处理模式分类中的不确定信息,将证据推理的 Dempster 和 Yager 规则与 K-NN 分类相结合,设计了一种新的证据 K-NN 分类器。然后针对目标样本数据缺失且类别数目未知的识别问题,又提出了一种基于证据推理的自适应聚类算法。随机给定各分类对象的初始置信度和类别数目,通过所设计的证据 K 近邻分类器对目标数据类别属性和类别数目进行迭代更新, 实现目标数据的完全自适应聚类。通过仿真和真实数据集实验,将新算法与目前聚类识别中应用最为广泛的 FCM 进行了对比分析,结果显示新算法能够有效提高目标数据的识别正确率。 相似文献
15.
16.
17.
针对量子LDPC码,以前期所提出的反馈式和积译码算法(FSPA)为基础,考虑其在非均衡X-Z信道下的译码方法,并分析其相应的性能表现。研究表明在该信道模型下的反馈式策略依然可以借由错误图样对比,译码失败校验子的错误方式,以及信道特征分析,更加有效地调整信息节点上的概率分布,从而大幅提高和积译码器的译码能力。最后,通过实例仿真验证了上述结论。 相似文献
18.
19.
20.