论文部分内容阅读
基于小样本多元数据的模糊认知图预测优化
【摘 要】
：
在数据化、信息化的时代背景下,机器学习数据挖掘方法大多集中于大数据,小样本数据的研究一般采用统计模型方法,使用机器学习的方法较少。传统的小样本预测模型有很多,滑动平均预测模型、马尔可夫预测模型、回归分析预测模型等,这些预测模型存在着一定的局限性。模糊认知图(Fuzzy cognitive maps,FCM)是一种研究数据间因果关系的智能计算方法,它能够将关系反馈给每一个数据,并量化表示数据之间关系
【机 构】
：
山东财经大学
【出 处】
：
山东财经大学
【发表日期】
：
2020年01期
【基金项目】
：
其他文献
传统的蜂窝网主要通过增加基站数量来平衡有限的频谱资源与无限的用户接入需求之间的矛盾,然而,随着无线数据需求的爆发式增长,大规模的部署基站会造成巨大的资源浪费。对此,中科院计算所提出了一种基于资源池化的集中式蜂窝网络架构——超级基站,通过基站池资源统计复用、模块化软硬件等方式,有效提升系统资源利用率,可以更好的满足5G系统需求。然而,为满足超级基站通信软件平台化和业务处理的性能需求,需要对整个协议软
学位
随着社会经济的快速发展,城市人口和机动车保有量急剧增加,导致城市交通拥堵现象日益严重。交通信息化建设和现代化交通管理模式是缓解交通拥堵的有效方式,但其前提是掌握目标区域内的车辆密度信息,并对该区域进行高效监测。针对目标区域内的车辆密度估计问题,传统的信息采集手段难以确保目标区域内交通信息采样数据的全面性与实时性。因此,本论文研究面向车辆密度估计的多自主无人机最优覆盖控制方法,旨在利用无人机组与地面
学位
使用机器模拟人对图像内容感兴趣的程度作出评价称为图像兴趣评价。传统的图像兴趣评价通常是基于人工设定的确定性规则，对图像做出感兴趣程度的评价。然而由于图像蕴含信息量大、表达内容相对多样等特点，难以人工地去设定相对客观的评价规则，而带有数据监督的学习方法能更好地让机器学习到图像内容与感兴趣程度之间的联系。本文通过研究带有监督学习的图像兴趣评价方法来取代图像兴趣评价规则的人工设定方法。为实现图像兴趣评价
学位
人类视觉注意机制对于理解图像或视频中的显著性物体起着重要作用。当处在复杂的环境中,为了更快的发现和选择用户所关注的视觉信息或目标,视觉注意力机制能够有效的帮我们完成这项任务。在计算机视觉领域中,如何模拟人类视觉注意力机制从视频中迅速的锁定感兴趣的区域或目标、从而实现视频显著性检测是当前非常重要的一个研究方向。尽管现有的显著性检测方法在单幅静态图像上可以取得令人满意的效果,但是视频显著性检测仍然是一
学位