信号处理
信號處理
신호처리
SIGNAL PROCESSING
2009年
4期
636-638
,共3页
归-化%概率分布%均衡%决策树%BP神经网络
歸-化%概率分佈%均衡%決策樹%BP神經網絡
귀-화%개솔분포%균형%결책수%BP신경망락
归-化是对样本数据进行分类处理的一个重要过程,论文提出了基于样本概率分布均衡技术的归-化算法,通过合并低概率区间和分离高概率区间的非线性方法,改变样本分布的不均衡性,使样本接近均匀分布.并将算法应用到显微镜细胞决策树与BP神经网络识别系统中,通过与最小-最大值归-化和零-均值归一化对比,可以得出,识别的速度和效果到得到了很大的提高.
歸-化是對樣本數據進行分類處理的一箇重要過程,論文提齣瞭基于樣本概率分佈均衡技術的歸-化算法,通過閤併低概率區間和分離高概率區間的非線性方法,改變樣本分佈的不均衡性,使樣本接近均勻分佈.併將算法應用到顯微鏡細胞決策樹與BP神經網絡識彆繫統中,通過與最小-最大值歸-化和零-均值歸一化對比,可以得齣,識彆的速度和效果到得到瞭很大的提高.
귀-화시대양본수거진행분류처리적일개중요과정,논문제출료기우양본개솔분포균형기술적귀-화산법,통과합병저개솔구간화분리고개솔구간적비선성방법,개변양본분포적불균형성,사양본접근균균분포.병장산법응용도현미경세포결책수여BP신경망락식별계통중,통과여최소-최대치귀-화화령-균치귀일화대비,가이득출,식별적속도화효과도득도료흔대적제고.