檢索結果：共140筆資料 檢索策略： "呂永和".ccommittee (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
高斯樸素貝氏分類器基於每個屬性服從高斯分佈的假設來評估每個類別在各別屬性的概似函數(likelihood)。但關於真實資料集的實際研究中表明高斯分佈的假設可能是不合理的。本研究目的植基於樸素貝氏分類…
2
以往在實驗中會假設資料是高斯分布，但真實資料的研究中發現這是不合理的。因此本研究提出一種使用「P值」（P-Value）的演算方法，不對特徵進行分布假設之情形下，在訓練資料中計算特徵在類別的比例，因此…
3
在機器學習領域中，資料分析會隨著「屬性向量」維度過高或過低而變成具有挑戰性的任務。隨著屬性向量的維度越高，分類模型會需要更大量的運算成本，還有可能因為訓練過度而發生過擬合(overfitting)的…
4
本研究之目的在於提出一個植基於合成屬性(integrated feature)的二元分類法，其主要是先利用「主成份分析」法將原本互為相關「屬性變數」的「屬性向量」轉化為任兩個「主成份」皆不相關的「主…
5
「簡單貝氏分類法」是一種透過各特徵彼此間互相獨立下運用貝氏定理的分類器，現實生活中大部分的資料無法滿足任何兩個特徵皆不相關這項假設。 我們提出一種結合主成分分析與費雪資訊之簡單貝氏分類法，先利用「主…
6
軟體定義網路（SDN）將資料層與控制層分離，故可快速部署新技術和降低網路管理成本，在SDN中，交換器依照記錄於資料流條目中由控制器決定的規則來轉送封包，然而當一個封包進入交換器且未匹配任何資料流條目…
7
基於屬性向量進行二元分類是一種長期存在的問題，而線性判別分析可以利用組間變異數以及組內變異數之最大化比值找到一組線性組合向量進行分類，此研究是學習線性判別分析方法之經驗，特別是特徵選擇問題。在高維度…
8
本論文旨在根據我們所提之非線性規劃法、我們所提之區間直覺模糊值之得分函數、及在得分矩陣中每一行中之得分值的離散程度提出一個新的多屬性決策方法。首先，我們提出一個新的區間直覺模糊值之得分函數以建構分數…
9
特徵轉換和選擇是探索分類模型相關新特徵的重要工作。本文研究了兩種非線性特徵變換和一種特徵選擇方案，以使用 Linear Discriminant Analysis (LDA) 作為分類器來提高分類性…
10
因為近年來「嚴重特殊傳染性肺炎」(COVID-19)病毒於全球蔓延，所以本研究欲進行醫療資料集分類，隨著資料特徵數量的提高，因此分類模型需要大量的運算成本，並且可能使分類模型陷入「維度詛咒」(cur…