首页> 中文期刊> 《计算机应用》 >多模型数据集的免疫鲁棒回归分析

多模型数据集的免疫鲁棒回归分析

         

摘要

针对传统多模型数据集回归分析方法计算时间长、模型识别准确率低的问题,提出了一种新的启发式鲁棒回归分析方法.该方法模拟免疫系统聚类学习的原理,采用B细胞网络作为数据集的分类和存储工具,通过判断数据对模型的符合度进行分类,提高了数据分类的准确性,将模型集抽取过程分解成“聚类”“回归”“再聚类”的反复尝试过程,利用并行启发式搜索逼近模型集的解.仿真结果表明,所提方法回归分析时间明显少于传统算法,模型识别准确率明显高于传统算法.根据8模型数据集分析结果,传统算法中,效果最好的是基于RANSAC的逐次提取算法,其平均模型识别准确率为90.37%,需53.3947 s;计算时间小于0.5s的传统算法,其准确率不足1%;所提算法仅需0.5094 s,其准确率达到了98.25%.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号