排序方式: 共有7条查询结果,搜索用时 281 毫秒
1
1.
2.
3.
4.
支持向量机(support vector machine, SVM)具有良好的学习性能和泛化能力, 因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大, SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题, Jayadeva等提出双支持向量机(twin support vector machine, TWSVM), 将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征, 对每类数据的局部特征并未关注。鉴于此, 提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine, MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征, 模糊隶属度函数的引入将各类数据区别对待, 尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM, KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。 相似文献
5.
随着互联网的快速普及,计算机网络和通信业务已成为人们工作、生活的重要组成部分。这些系统由数据交换设备、采集设备、终端通信设备以及交换机等主要单元组成,是一项比较复杂的工程,在保障整个网络通信流的畅通、满足系统的技术要求、通信设备介质条件的同时,并尽可能地采取措施降低建设成本。本文通过分析光纤通信技术的具体特点,探讨如何更有效地将新型光纤技术应用于不同的技术领域,满足人们多元化的网络通信方式需求,推动未来计算机网络和通信领域的技术发展,并分析了光纤通信技术未来的发展趋势。 相似文献
6.
计算机网络时间同步技术应用研究 总被引:3,自引:0,他引:3
首先对计算机网络时间同步相关技术进行了介绍,然后阐述了时间同步技术在现代计算机网络中的应用与发展,最后指出时间同步网络在下一代网络(NGN)中的重要地位。 相似文献
7.
支持向量机(support vector machine, SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine, TWSVM),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine, MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。 相似文献
1