樣本集是2008年公布的海峽兩岸信息科學技術名詞。
基本介紹
- 中文名：樣本集
- 外文名： sample set
- 所屬學科：信息科學技術
- 公布年度： 2008年
公布時間,出處,
公布時間
2008年全國科學技術名詞審定委員會審定公布的海峽兩岸信息科學技術名詞。
出處
《海峽兩岸信息科學技術名詞》。
樣本集
相關詞條
- 樣本集
樣本集是2008年公布的海峽兩岸信息科學技術名詞。 公布時間2008年全國科學技術名詞審定委員會審定公布的海峽兩岸信息科學技術名詞。出處《海峽兩岸信息科學技術名詞》。...
- 產品樣本資料
（1）直接的、指由產品的生產廠家、企業或公司自行編輯發行的產品樣本資料，包括各種產品說明書及各類宣傳性的廠刊、廠報等。（2）間接的、指由行業協會、科技情報部門或行業的上級主管等機構單獨或聯手根據產品生產單位提供的資料編輯出版的各種產品目錄、產品手冊、產品樣本集及產品資料庫等。如《煤礦機電產品目錄》...
- 樣本點
，要求生成的樣本點數量為 ，則 矩陣初始化後的一種可能形式為： 矩陣 提供的信息包含隨機向量的抽樣策略。共有個 行向量，每個行向量代表隨機變數向量的一次樣本實現。疊代運算 （1）根據 矩陣的信息生成隨機變數向量樣本集，通過統計分析可得到它的初始協方差矩陣 ；（2）將 個樣本點向量轉換到等效標準...
- 預測樣本
預測樣本 預測樣本（forecasting sample ）是2016年公布的管理科學技術名詞。定義 在預測數據總體中所抽取的一部分個體數據。出處 《管理科學技術名詞》第一版。
- 學習樣本
用一定容量的樣本值來訓練網路。求得各神經元之間 的連線權重。以建立網學習樣本learning Sampl二又稱訓練集;在人工神經網 絡法中，用一定容量的樣本值來訓練網路。求得各神經元之間 的連線權重。以建立網路模型，用來訓練網路的樣本值，稱為 學習樣本r、絡模型，用來訓練網路的樣本值，稱為 學習樣本r、
- ransac
RANSAC為Random Sample Consensus隨機樣本一致算法的縮寫，它是根據一組包含異常數據的樣本數據集，計算出數據的數學模型參數，得到有效樣本數據的算法。它於1981年由Fischler和Bolles最先提出。RANSAC算法經常用於計算機視覺中。例如，在立體視覺領域中同時解決一對相機的匹配點問題及基本矩陣的計算。算法簡介 RANSAC算法的...
- 自動聚類
假定樣本集 包含 個無標記樣本，每個樣本 是一個 維特徵向量，則聚類算法將樣本集 劃分為 個不相交的簇 ，其中， ，且 。相應地，我們用 表示樣本 的“簇標記”，即 。於是，聚類的結果可用包含 m 個元素的簇標記向量 表示。原型聚類 原型聚類亦稱為“基於原型的聚類”，此類算法假設聚類...
- 文法推斷
文法推斷屬於形式語言的歸納學習問題，它研究如何從語言的有限信息出發，通過歸納推斷得到語言的語法定義。文法推斷根據給定的有限樣本集推斷產生該樣本集所屬語言類的文法規則的學習算法。它是句法模式識別（結構模式識別）的重要組成部分。定義 在統計模式識別方法中，經常用已知類別的模式樣本集訓練判別函式，同樣在句法...
- Boosting
Boosting是一種框架算法,主要是通過對樣本集的操作獲得樣本子集,然後用弱分類算法在樣本子集上訓練生成一系列的基分類器。他可以用來提高其他弱分類算法的識別率,也就是將其他的弱分類算法作為基分類算法放於Boosting 框架中,通過Boosting框架對訓練樣本集的操作,得到不同的訓練樣本子集,用該樣本子集去訓練生成基分類器;...
- 支持向量數據描述
在域描述領域中，數據描述的任務不是分類問題以“區分不同的類”為目標，也不是回歸問題以“對每一個樣本產生一個期望輸出”為目標，而是給出一個關於訓練樣本集的描述，同時檢測哪些與這個訓練樣本集相似的(新的)樣本。該描述應該覆蓋代表訓練樣本集的樣本類，同時，在理想情況下，該描述應該能夠將樣本空間中其它...
- adaboost
樣本被錯誤分類導致權值增大，反之權值相應減小，這表示被錯分的訓練樣本集包括一個更高的權重。這就會使在下輪時訓練樣本集更注重於難以識別的樣本，針對被錯分樣本的進一步學習來得到下一個弱分類器，直到樣本被正確分類[36]。在達到規定的疊代次數或者預期的誤差率時，則強分類器構建完成。算法特點 Aadboost 算法...
- 決策樹歸納法
DTI常用於分析構建模型的可行性與可信度，相應地根據觀察推出其邏輯表達式及結構，通過其簡單清晰的邏輯推理和分割信息值，能夠快捷地對大數據集進行高效的數據劃分。但針對連續型數據和多類別集合，劃分效率就會隨複雜度的升高而降低。DTI算法原理 決策樹歸納法( GTI) 是一組規則集合，使用遞歸的方式將訓練樣本集( TS...
- ISODATA
②按最近鄰規則將樣本集{xi}中每個樣本分到某一類中 ③依據TN判斷合併：如果類ωj中樣本數nj＜ TN，則取消該類的中心zj，Nc=Nc-1，轉至② 。④計算分類後的參數：各類重心、類內平均距離 及總體平均距離 計算各類的重心：計算各類中樣本到類心的平均距離：計算各個樣本到其類內中心的總體平均距離：⑤判斷...
