檢索結果:共27筆資料 檢索策略: "Yung-ho Leu".ecommittee (精準) and cadvisor.raw="楊維寧"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
企業獲利的目標不外乎開源與節流,在全球化的競爭環境之下,企業所能得到的利潤是微利;企業流程管理(Business Process Management,BPM)在近年來快速的發展,成為資訊系統導入之…
2
使用屬性向量來做二元式監督學習問題是一個常用的方法,我們可以基於屬性向量和一些投影向量的內積來去解決問題。我們使用基因演算法去逼近最佳的投影向量,該投影向量會使得ROC曲線下的面積最大。實驗結果顯示…
3
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…
4
二元分類是依據屬性向量來判別物件的類別,當面對高維度屬性向量時,傳統分類法會遭遇計算上的困難,進而衍生出選取有效屬性以降低屬性向量維度的需要。面對較高維度屬性之資料,傳統上分為兩種方式來進行降低維度…
5
在分類過程中若使用不具信息的特徵可能降低模型的成效,因此藉由特徵與類別變數之間的相關係數平方和信息增益的特徵選取方法來決定保留的特徵,由於選擇的特徵通常具有相關性,導致不能只使用依序選取特徵的方法,…
6
高斯樸素貝氏分類器(Gaussian Naïve Bayes classifier)是利用各個屬性特徵遵循高斯分布的假設來評估每個屬性特徵之概似函數(likelihood),並且忽略彼此屬性間的相關…
7
在機器學習(Machine learning)領域中,低維度且線性不可分的資料一直都是個很有挑戰性的任務,為了解決這一困難,可以應用核函數將屬性向量從低維度空間轉換到高維度空間。但是在增加屬性向量的…
8
在機器學習領域中,高維度資料分析是一個很有挑戰性的任務,隨著特徵數量的提高,分類模型因此需要大量的運算成本,還有可能陷入維度詛咒(curese of dimensionality)而發生過擬合(ov…
9
搜尋引擎在現今社會發展對於促進各種交易,有著不可替代的地位,本研究希望從探討google排名重要因素,鏈結,網頁與網頁相互聯結,是google創辦人佩吉在一個學術研討會發表《大規模超文本網頁搜尋引擎…
10
本研究主要是應用「簡單貝式分類器」 結合「主成分分析」 法與統計推論中的「 p-值」 進行二元問題分類,並經由「屬性變數」 的篩選出主要相關因素來提升分類的準確率。貝氏分類器是依據待歸類物件的「屬性…