首先,对雷达回波信号进行小波分解,利用距离准则,选择最优小波包基,从被识别的信号中提取具有最大可分性的特征,得到目标识别的特征向量,由此进行目标识别。
互联网摘选
In our method, training sample set are divided into several non-overlapping subsets by clustering.
在该方法中,训练样本被聚类划分为不同的子集进行训练,得到多个分类器。
互联网摘选
针对训练样本是未标定的不均衡数据集的情况,把攻击检测问题视为一个孤立点发现或样本密度估计问题,采用了超球面上的One-Class SVM算法来处理这类问题;
互联网摘选
目前的索引词选择算法大多是基于词频的,没有利用训练样本中的类别信息,为此提出了一种新的基于类别的特征选择算法。
互联网摘选
然后,提出一种在原始样本空间下缩减训练样本规模的算法,以解决大规模样本集下SVM的训练问题。
互联网摘选
Quantitative Measurement of Training Sample Capacity for Chinese Statistical Language Model
汉语统计语言模型训练样本容量的定量化度量
互联网摘选
删除训练集中的大量重复数据,以减少算法学习过程中的计算量,从而提高学习效率。第二,建立索引模型。
互联网摘选
将部分分析数据作为训练样本,建立了三层BP神经网络,以该神经网络模型取代结构动力学模型,来得到设计变量与模态参数之间的非线性映射关系。
互联网摘选
该方法遵循网络的隐节点数与训练样本数相匹配的网络结构设计的最简原则构建BP网络;
互联网摘选
根据神经网络进行故障诊断的原理和要求,选择特征参数并整理训练样本集,建立了雨刮器故障标准样本库,以供神经网络训练的需要和雨刮器故障研究的样本。
互联网摘选
由于数据库中的训练样本集有限,所以很难把各种非理想情况下的人脸图像都包括在训练样本中。
互联网摘选
we develep a new training method in which a normal orthogonal system is used as sample.
提出了采用标准正交系作为样本的新的训练方法。
互联网摘选
sample reduction strategy for svm large-scale training data set using pso
利用粒子群算法缩减大规模数据集SVM训练样本
互联网摘选
该文实验中所使用的样本数据来自中国科学院声学所汉语听觉、视觉双模态数据库(CAVSRv1.0)。
互联网摘选
为了简化文档文本的提取过程,OmniFind/ICM集成可以运行在“训练模式”下(在示例注解器中不包含这个模式)。
互联网摘选
研究过程中发现,高斯过程模型的训练代价会随着训练样本数的增加而快速增加。
互联网摘选
模型采用影响目标值的锅炉运行参数为输入量,以氮氧化物排放量、飞灰含碳量为输出量,用锅炉DCS下载的数据进行网络训练,并用测试样本验证模型的预测能力。
互联网摘选
首先,为了获取良好的训练样本,本文对输出设备进行校准测试,确定设备状态满足实验条件之后,输出测试色靶,并测量获得样本数据。
互联网摘选
在原始的Latent SVM模型训练方法中,首先根据样本图像的HOG特征由SVM算法获得简单的分类模板,然后再对分类模板使用贪心算法自动生成隐变量。
互联网摘选