arrow
返回

Linear separability and classification complexity

delete2012-07-01
delete14
PRE
AI
D
David Elizondo *
M
Matías Gámez
N
Noelia García
E
Esteban Alfaro
DOI:10.1016/j.eswa.2012.01.090delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
我们研究了线性可分性与分类数据集复杂程度之间的关系。线性可分离的分类问题通常比非线性可分离的分类问题更容易解决。这表明线性可分性和分类复杂性之间存在很强的相关性。我们提出了一种新颖而简单的方法来量化分类问题的复杂性。下面所示的方法将任何两类分类问题简化为一系列线性可分离的步骤。这样的减少步骤的数量可以被视为测量不可分离性的程度,并且因此测量问题的复杂性。这种量化又可用作分类数据集的复杂性的度量。提供了使用几个基准获得的结果。(C)2012 Elsevier Ltd.版权所有。
Keyword:
Linear separability
Complexity
Classification
Non linear separability
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Expert Systems with Applications 封面图
Expert Systems with Applications
IF:
7.5
论文数:
2.9W
被引数:
10.2W

机构

D
de montfort university
学者数:
2.3K
论文数: 2.7K
被引数: 0
引用论文

引用论文

Blood Conservation in Total Joint Arthroplasty
err1998-09-01
err0
PREAI
errBenjamin E Bierbaum; John P Meehan
err分享
err收藏
A series of transition metal coordination polymers based on a rigid bi-functional carboxylate–triazolate tecton
err2017-01-01
err0
PREAI
errNan-nan Mao; Peng Hu; Fan Yu; Xi Chen; Gui-lin Zhuang; Tian-le Zhang; Bao Li
err分享
err收藏
Furanocoumarins from Heracleum canescens
err1982-01-01
err0
PREAI
errT.K. Razdan; V. Kachroo; S. Harkar; G.L. Koul
err分享
err收藏
Network-based Phenome-Genome Association Prediction by Bi-Random Walk
err2015-05-01
err0
errOAAI
errMaoQiang Xie; YingJie Xu; YaoGong Zhang; TaeHyun Hwang; Rui Kuang
err分享
err收藏
err分享
err收藏
学者 查看更多内容