« Home « Kết quả tìm kiếm

Phân lớp


Tìm thấy 20+ kết quả cho từ khóa "Phân lớp"

Nghiên cứu và cài đặt một số giải thuật phân cụm, phân lớp

000000208339-TT.pdf

dlib.hust.edu.vn

Tìm hiểu các kỹ thuật phân loại, phân lớp. Đánh giá, cải tiến chất lượng phân lớp, phân loại. Đặc biệt nhấn mạnh về hai kỹ thuật chính được nghiên cứu trong luận văn đó là Kỹ thuật phân loại và Kỹ thuật phân cụm. Phần II: Kỹ thuật phân loại (Classification) Trong phần này, kỹ thuật phân loại được giới thiệu một cách chi tiết.

Luận án: Nghiên cứu các thuật toán phân lớp dữ liệu dựa trên cây quyết định

chiasemoi.com

Chương 1 đi từ tổng quan công nghệ phân lớp dữ liệu tới kỹ thuật phân lớp dữ liệu dựa trên cây quyết định. TỔNG QUAN VỀ PHÂN LỚP DỮ LIỆU DỰA TRÊN CÂY QUYẾT ĐỊNH. Tổng quan về phân lớp dữ liệu trong data mining. Phân lớp dữ liệu. Quá trình phân lớp dữ liệu gồm hai bước [14]:. Hình 1 - Quá trình phân lớp dữ liệu - (a) Bước xây dựng mô hình phân lớp. Bước thứ hai dùng mô hình đã xây dựng ở bước trước để phân lớp dữ liệu mới.

Ứng dụng hệ logic mờ loại hai khoảng trong phân lớp tín hiệu điện tim

000000240059-TT.pdf

dlib.hust.edu.vn

Luận văn được thực hiện nhằm mục đích xây dựng một mô hình phân lớp tín hiệu điện tim sử dụng hệ logic mờ loại hai khoảng, và đánh giá khả năng ứng dụng của hệ mờ loại hai khoảng vào bài toán phân lớp điện tim. Luận văn trình bày các bước xây dựng một mô hình phân lớp điện tim sử dụng hệ logic mờ loại hai khoảng. Các đặc trưng này là đầu vào của một hệ phân lớp mờ loại hai.

Ứng dụng các giải thuật phân lớp vào bài toán dự đoán rủi ro tín dụng

310126-TT.pdf

dlib.hust.edu.vn

Nghiên cứu tổng quan các phương pháp phân lớp  Nghiên cứu phương pháp phân lớp dữ liệu sử dụng mạng nơ ron phân lớp mờ min max  Nghiên cứu phương thức cải tiến mạng nơ ron phân lớp mờ min max. Triển khai thử nghiệm phương pháp phân lớp sử dụng mạng nơ ron phân lớp mờ min max cải tiến trên tập dữ liệu mẫu để giải quyết bài toán rủi ro tín dụng cho ngân hàng TMCP Đại Dương. Đánh giá hiệu quả khi áp dụng phương pháp dựa trên kết quả thử nghiệm.

Nghiên cứu phân lớp tự động văn bản báo chí tiếng Việt về tài nguyên và môi trường

repository.vnu.edu.vn

Thiết kế xây dựng hệ thống phân lớp văn bản tiếng Việt về tài nguyên môi trường: thiết kế xây dựng hệ thống. Phân lớp văn bản là bài toán cơ bản trong khai phá dữ liệu văn bản. Bài toán phân lớp văn bản là việc gán tên các chủ đề (tên lớp/nhãn lớp) đã được xác định trước, vào các văn bản dựa trên nội dung của chúng..

Kết hợp học quan hệ và học thống kê cho phân lớp dữ liệu đa quan hệ

repository.vnu.edu.vn

Kết hợp học quan hệ và học thống kê cho phân lớp dữ liệu đa quan hệ. Luận văn ThS chuyên ngành: Công nghệ thông tin. Abstract: Trình bày các vấn đề cơ bản của phân lớp dữ liệu đa quan hệ, sự khác biệt giữa dữ liệu đa quan hệ và dữ liệu phẳng, một số cách tiếp cận giải quyết bài toán phân lớp dữ liệu đa quan hệ.

Ứng dụng các giải thuật phân lớp vào bài toán dự đoán rủi ro tín dụng

310126.pdf

dlib.hust.edu.vn

Bài toán phân lớp dữ liệu. Định nghĩa phân lớp dữ liệu. MẠNG NƠ RON PHÂN LỚP MỜ MIN MAX. Mạng nơ ron phân lớp mờ min max. Tập dữ liệu cần thực hiện phân lớp. Dữ liệu sau khi đã phân lớp. Mẫu dữ liệu. Kết quả các lần thử nghiệm khi thay đổi giá trị các tham số. Trên thực tế tuy thu thập được lượng dữ liệu khổng lồ nhưng bản thân các thông tin riêng lẻ của dữ liệu không đem lại nhiều giá trị cho người quản trị doanh nghiệp. Bài toán phân lớp dữ liệu 1.1.1.

Xây dựng bộ phân lớp các văn bản sử dụng thuật toán Maximum Entropy trên miền dữ liệu tội phạm

repository.vnu.edu.vn

Bài toán phân lớp văn bản. Xây dựng bộ phân lớp văn bản. Quá trình tiền xử lý dữ liệu. Đánh giá bài toán phân lớp. Phƣơng pháp sử dụng hệ luật. Phƣơng pháp sử dụng học máy. Mô hình cây quyết định. Mô hình Entropy cực đại (Maximum Entropy. Mô hình Entropy cực đại ………..…..26. Entropy cực đại cho phân lớp văn bản . Ưu điểm của mô hình Maximum Entropy . Một số đặc trƣng của dữ liệu văn bản tiếng Việt. Xây dựng các lớp trong miền dữ liệu tội phạm.

Nghiên cứu giải quyết phân lớp địa hóa môi trường biển và áo dụng vào bài toán đánh giá địa hóa môi trường biển Việt Nam

repository.vnu.edu.vn

Đưa ra mô hình đề xuất để giải quyết bài toán phân lớp địa hóa môi trường biển Việt Nam và trình bày phương pháp giải quyết bài toán phân lớp địa hóa môi trường biển Việt Nam dựa trên phương pháp máy hỗ trợ vector (SVM) và phương pháp Naive Bayes. Tiến hành thực nghiệm việc xây dựng bộ dữ liệu học, xây dựng bộ phân lớp SVM và Naive Bayes. Tóm lược những kết quả đạt được của luận văn. Phân lớp địa hóa. Môi trường biển. Việt Nam.

Tối ưu hóa KPCA bằng GA để chọn các thuộc tính đặc trưng nhằm tăng hiệu quả phân lớp của thuật toán Random Forest

tainguyenso.vnu.edu.vn

Cách tiếp cận của chúng tôi về cơ bản ñã tăng khả năng phân lớp của giải thuật RF ñược thể hiện thông qua hình 4. Không chỉ tăng ñược khả năng phân lớp cho thuật toán RF, phương pháp ñề nghị còn cho thấy khả năng phân lớp tốt hơn một số phương pháp trích chọn ñã ñược công bố (Bảng 1).

Nghiên cứu, xây dựng phương pháp trích chọn thuộc tính nhằm làm tăng hiệu quả phân lớp đối với dữ liệu đa chiều

repository.vnu.edu.vn

Tập đối tượng cần phân lớp được đặc trưng bởi một tập các thuộc tính chứa các thông tin cần thiết liên quan đến các lớp, trong đó mỗi tập các thuộc tính được đại diện bởi một tập các thuộc tính – giá trị. Với một tập dữ liệu bao gồm một tập các đối tượng đã được phân lớp (thường gọi là tập tập huấn) nhiệm vụ đặt ra là từ tập huấn luyện cho trước xây dựng một bộ phân lớp cho các dữ liệu tương tự.

Học cấu trúc mạng logic Markov và ứng dụng trong bài toán phân lớp

repository.vnu.edu.vn

Học cấu trúc mạng logic Markov và ứng dụng trong bài toán phân lớp. Trình bày về một số kiến thức cơ bản được sử dụng trong cấu trúc mạng logic markov và ứng dụng trong bài toán phân lớp liên quan tới lý thuyết đồ thị, logic và xác suất thống kê. Tìm hiểu các kiến thức về mạng Markov, mạng logic Markov và một số vấn đề về học máy với mạng logic Markov như suy diễn, học tham số và đặc biệt là học cấu trúc.

Tiếp cận học không giám sát trong học có giám sát với bài toán phân lớp văn bản tiếng việt và đề xuất cải tiến công thức tính độ liên quan giữa hai văn bản trong mô hình véctơ

dlib.hust.edu.vn

Giới thiệu bài toán phân lớp văn bản 3.2. Các thuật toán phân lớp văn bản cơ bản 3.21. Đánh giá hiệu suất phân lớp văn bản 3.4. Luận văn Thạc sĩ CNTT - Đại học Bách Khoa Hà Nội 11/2004 - Trang 55 - từng chủ đề dựa trờn k văn bản mẫu cú độ tương tự gần nhất [9, 13]. Ở đõy, văn bản được biểu diễn dưới dạng vector. Đỏnh giỏ hiệu suất phõn lớp văn bản Hỡnh 3.5. Khai phá dữ liệu văn bản tiếng Việt 4.2. Bài toán phân lớp văn bản tiếng Việt 4.4.

Phân lớp thư điện tử sử dụng máy Vector hỗ trợ

repository.vnu.edu.vn

Trình bày mô hình phân lớp thư điện tử áp dụng đối với một bộ dữ liệu đã được công bố. Từ các kết quả thực nghiệm đưa ra đánh giá hệ thống phân lớp nói trên. Keywords: Công nghệ thông tin. Phân lớp. Thư điện tử.

Phân lớp đa nhãn, đa thể hiện và áp dụng trong quản lý danh tiếng

K19HTTT_PhanThiThom_LuanVan.pdf

repository.vnu.edu.vn

Dữ liệu trong mỗi bộ phân lớp được gán nhãn l 1 nếu nó thuộc lớp L 1 , các dữ liệu. Phương pháp này là phương pháp hiểu quả nhất để sử dụng bộ phân lớp nhị phân vào phân lớp đa nhãn. Hình 6, biểu diễn bốn tập dữ liệu kết quả thu được khi sử dụng phương pháp chuyển đổi nhị phân.

Phân lớp đa nhãn, đa thể hiện và áp dụng trong quản lý danh tiếng

00050006769.pdf

repository.vnu.edu.vn

Kết quả phân lớp khi áp dụng phương pháp phân lớp thông thường SVM là 84.84% và kết quả khi áp dụng mô hình phân lớp quan điểm luận văn đề xuất là 85.76%. Kết quả trên cho thấy phương pháp xây dựng mô hình phân lớp quan điểm áp dụng MIMLSVM là có tính hiệu quả cao.. Tôi xin cam đoan mô hình phân lớp quan điểm người dùng trong bài toán quản lý danh tiếng bằng cách áp dụng MIMLSVM được trình bày trong luận văn này là do tôi thực hiện dưới sự hướng dẫn của PGS.TS Hà Quang Thụy..

Phân cụm các đối tượng phức tạp trong một lớp đối tượng

000000253743.pdf

dlib.hust.edu.vn

Học có giám sát (Supervised Learning): Là quá trình phân lớp các đối tượng trong cơ sở dữ liệu dựa trên một tập các ví dụ huấn luyện và các thông tin về nhãn lớp đã biết. Luật kết hợp (association rules): Phương pháp này nhằm phát hiện ra các luật kết hợp giữa các thành phần dữ liệu trong CSDL. Mẫu đầu ra của giải thuật khai phá dữ liệu là tập luật kết hợp tìm được. Phân cụm (Clustering): Phân cụm là kỹ thuật DM tương tự như phân lớp dữ liệu.

Nghiên cứu và cài đặt một số giải thuật phân cụm, phân lớp

000000208339.pdf

dlib.hust.edu.vn

Nếu độ chính xác là chấp nhận được, mô hình sẽ được sử dụng để dự đoán nhãn lớp cho các mẫu dữ liệu khác trong tương lai. Hay nói cách khác, phân loại là học một hàm ánh xạ một mục dữ liệu vào một trong số các lớp cho trước. Hình 1.3 cho thấy sự phân loại của các dữ liệu vay nợ vào trong hai miền lớp.

Học từ điển và ứng dụng trong phân loại ảnh

310691.pdf

dlib.hust.edu.vn

Bản chất thật sự của nhận dạng chính là một bài toán phân lớp. Với ảnh đầu vào, phần mềm sẽ phân lớp ảnh đó vào một lớp thích hợp trong hệ thống hoặc xác định là ảnh đó không tồn tại trong cơ sở dữ liệu. Đây chính là một trong những nguyên nhân bài toán phân lớp ảnh đang thu hút được nhiều sự quan tâm. Đến đây, một trong những thuật toán hiệu quả để giải quyết vấn đề này là thuật toán K-SVD.