搜索资源列表
ARAC
- 语音识别中的语音信号特征提取和选择是关系到语音识别模型性能的一个重要问题。音信号的特征提取是解决时域信号的数字表问题，特征选择则是在多个特征中选择有的特征为后继的模式划分部分提供数据。-Speech recognition in speech signal feature extraction and selection in relation to the performance of speech recognition model of an important issue. Audio
somepapers
- 文献资料，关于遗传算法以及特征选择方面飞一些资料，下载-PAPER
TextFeatureSelectionAlgorithm
- 在文本挖掘中，文档通常以特征向量的形式表示。为了提高文本挖掘算法的运行速度，降低占用的内存空间，过滤掉不相关或相关程度低的特征，提出一种改进的特征选择算法，该算法对特征进行综合考虑，从而更加准确地选取有效的特征。实验验证了改进算法的可行性和有效性。-In text mining，documents are usually meanwith the form of the eigenvector．In order to enhance the operating speed and red
OPNET-of-the-router-capability
- 本文在阐述网络发展的现状和趋势的基础上，着重分析了两种内 部网关路由选择协议砒P和OSPF协议的实现机制和性能特点。对P 协议是基于距离矢量算法的。OSPF协议是基于链路状态算法的。本 文的工作重点是对上述两种协议分别从类型，封装，路径特征，邻居 发现和支持，路由选择数据的分发，对变化的响应，路由表计算，健 壮性／可靠性以及安全性等方面进行了对比分析，并对它们存在的安 全漏洞进行了初步的分析说明。根据以上的分析，通过On忸T软件， 本文设计了一个10km×10km规模
DataMining3rd
- 评测数据在去掉停用词的 分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3·05 ,比Lidstone方法提高 1·00 .而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高95 .通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题 -Evaluation data in the open test of the classification process to remove stop
ORDINAL-FEATURE-ANALYSIS
- 本文讨论了故障严重程度识别中的特征评价和特征选择算法。将严重程度识别问题中的特征分为非单调特征和单调特征，分别设计了不同的特征评价指标和特征选择算法，为故障严重程度识别提供了可行的方案。-This article discusses the failure to identify the severity of the feature in the comments and feature selection algorithms. The severity of the problem of