搜索结果: 1-7 共查到“人工智能 KNN”相关记录7条 . 查询时间(0.048 秒)
锂离子电池的健康状态(State of health,SOH)是决定电池使用寿命的关键因素.由于锂电池生产工艺、工作环境和使用习惯等的差异性导致其衰退特性具有较大差异,因此锂电池SOH难以精确估算.本文采用数据驱动的方式通过对采集的电压数据进行特征提取,使用贝叶斯正则化神经网络对锂电池SOH进行预测,同时引入KNN-马尔科夫修正策略对预测结果进行修正。
双重结构粒子群和KNN在生理信号情感识别中的应用
生理信号 粒子群优化 K近邻
2009/9/18
将双重结构的粒子群(DSPSO)应用到生理情感特征的选择中，提高了特征选择效果和情感识别的正确率。提出了增量K多类KNN分类器解决KNN在分多类时出现的不可分现象并改善了多类识别的效果。通过4种生理信号(EMG、SC、ECG、RSP)来识别4种情感（joy、anger、sadness、pleasure），同传统的SFFS算法以及BPSO算法相比,识别率有了较大的提高。仿真结果表明,DSPSO能较好...
改进KNN-SVM的性别识别
支持向量机 K近邻距离分类器 最优阈值
2009/7/22
针对支持向量机（SVM）在超平面附近进行性别识别的不准确性，引入进行加权的K近邻（KNN）算法。提出了结合加权KNN和SVM的改进KNN-SVM算法，该算法用少量已知性别样本自动确定加权KNN与SVM的最优分类阈值，并计算待识别样本和支持向量机所确定的超平面的距离，通过距离与阈值的比较进行性别识别。基于FERET人脸库进行性别实验，实验结果表明，该算法比SVM算法和不进行加权处理的KNN-SVM算...
用于WEB文档分类的并行KNN算法
文档分类 K最近邻 并行策略
2009/7/6
针对WEB文档分类中KNN算法计算复杂度高的缺点，不同于以往从减少训练样本集大小和采用快速算法角度来降低KNN算法的计算复杂度，从并行的角度出发，提出一种在Hyper-cube SIMD模型上的并行算法，其关键部分的时间计算复杂度从O（n2）降为O（log（n）），该算法与传统的串行算法相比，能显著地提高分类速度。
KNN算法是一种常用的效果较好的文本分类算法。但是标准KNN算法中，近邻的数目K对所有处理文本都是一样的，而判断类别时加权的仅仅是文本之间的相似度。基于近邻序列的排序，提出了变K算法，并且结合效果较好权重算法，形成了柔性的KNN算法，提高了分类的效果。
基于SVM和KNN的蛋白质耐热性分类
氨基酸含量 SVM KNN 蛋白质耐热性
2009/6/24
以氨基酸含量为特征向量，研究了SVM和KNN预测蛋白质耐热性的准确度。结果表明，基于SVM的分类效果较好，其局部预测率和全局预测率分别为82.4%和83.4%;而基于KNN方法的局部预测率和全局预测率分别为77.6%和79.9%。两种方法的预测率均表明氨基酸含量是影响蛋白质耐热性的主要因素。