基于度量学习的邻域k凸包集成方法 - 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议.pdf

本文提出一种基于度量学习的邻域k凸包集成方法，旨在提升分类任务的性能。通过引入度量学习优化特征空间中的距离度量，增强样本间的区分能力。结合邻域k凸包思想，构建更具代表性的样本集合，提高模型的泛化能力。该方法在多个数据集上进行了实验验证，结果表明其优于传统集成方法。

文档为pdf格式，0.05MB，总共1页。

2025-12-14 16:48 上传 基于度量学习的邻域k凸包集成方法 - 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议.pdf

文件大小:

51.2 KB

下载次数:

60

基于度量学习的邻域k凸包集成方法 - 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及 ...

高速下载