简介：在现实生活我们采集的各种数据,由于其具有数据量大,离散性严重,以及很容易受到其他因素干扰等原因存在,使得难以直接用于数据挖掘,而且在数据挖掘过程中会发现有些数据挖掘工具需要使用离散的属性值,而很多数据的属性值是连续的,就需要我们进行处理,因此,本文提出了基于卡方分布特征的改进算法,并用数据验证,结果表明改进的有效性。
简介：为解决BRISQUE算法中单纯提取灰度空间指标特征的问题,进一步提升算法预测的准确性,文章在BRISQUE算法的基础上改进了无参考图像质量评价指标体系,提出了一种基于灰度空间和色彩空间的改进算法。同时,为了减少单一数据库造成的模型过拟合现象,提升算法的鲁棒性,该算法分别在LIVE和CSIQ数据库上分析了算法计算结果与DMOS值的相关性。实验结果表明,改进的BRISQUE算法评价结果与人类主观评价具有高度的一致性,较BRISQUE算法在一致性方面有一定程度的提升。
简介：随着科技的发展,手写体数字的识别这一功能在许多的方面都有很多用途,特别是在我们的日常生活中。支持向量机在机器学习方面最主要的优势是在解决小样本、非线性和高维模式识别问题中具有突出的效果,被广泛用于信息识别中。为了提高手写体数字的识别率,本文提出了一种基于改进的C-支持向量机的手写体数字高识别率方法,实验结果证明基于改进的C-支持向量机的手写体数字高识别率方法有效可行。
离散数据挖掘方法改进措施探究
基于机器学习的无参考图像质量评价指标体系改进
基于改进的C-支持向量机的手写体数字高识别率方法研究
