排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
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
2.
随着各个制造领域的发展,模具的应用及直接制造的精密零件越来越多,电加工作为一个较特殊的工艺手段已在加工模具和精密零件的制造中起着非常关键和重要的作用。本文主要是对电火花加工在轮胎模具制造中的应用前景,由电火花的原理、特点引出电火花为何适应于轮胎模具加工制造进行了阐述。 相似文献
3.
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
4.
质量调整的价格指数编制中hedonic插补法的应用 总被引:1,自引:0,他引:1
在数据缺失的情况下,插补法是一种常用的推断缺失数据的方法。在价格指数的编制中,在基期存在的产品可能在报告期从市面上消失,或者报告期出现了新产品。这都可以看作是数据缺失的情形。同时由于前后时期产品质量发生变化,所编制的价格指数中可能包含"质量变化偏差"。Hedonic插补法将hedonic方法与缺失数据的插补方法结合起来,既处理了缺失数据,又克服了价格指数中的质量变化偏差。本文讨论了hedonic插补法的多种可能形式,并比较了各种方法的特点。本文还利用中国笔记本电脑的数据编制了hedonic插补价格指数,进行了相关的实证分析。 相似文献
5.
为了研究中国能源消费与经济增长之间的关系,通过分析目前中国能源消费及经济增长的现状,发现两者具有一定的相关性;对国内生产总值和能源消费量数据采用平稳性检验,检验表明能源消费和国内生产总值均为二阶差分平稳变量;格兰杰因果检验结果表明GDP是能源消费的的格兰杰原因,而能源消费不是GDP的格兰杰原因,GDP每增加1%,就会增加0.546557%的能源消费;通过构建误差修正模型对中国1990~2017年能源消费与经济增长的关系进行实证分析,发现误差修正机制会将偏离均衡的状态负向调整至均衡。基于对这些结果的分析表明,中国的经济发展定会促进能源消费增长,但是能源消费不一定会促进经济发展。 相似文献
1