Los conjuntos de datos de alta dimensin aparecen con frecuencia en diversas reas cientficas, por lo que se requieren tcnicas especiales para analizar este tipo de conjuntos de datos. En particular, es importante aplicar un modelo adecuado a los problemas de clasificacin. En este estudio, se propone un enfoque novedoso para estimar un modelo estadstico para conjuntos de datos de alta dimensin. El mtodo propuesto utiliza el proceso jerrquico analtico (AHP) y criterios de informacin para determinar los PC ptimos para el modelo de clasificacin. En la parte de evaluacin se utilizaron los conjuntos de datos de alta dimensin colon y gravier. Los resultados de la aplicacin demuestran que el enfoque propuesto puede utilizarse con xito para la modelizacin.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Diseño y análisis de control adaptativo basado en RLS periódico con ponderación de datos sin condición de crecimiento lineal.
Artículo:
Nueva investigación sobre el Método de Gradiente Conjugado Escalado de Liu-Story para la Optimización No Lineal
Artículo:
Pronóstico de las emisiones de CO de China para el consumo de energía basado en un enfoque de cointegración.
Artículo:
Análisis dinámico para redes neuronales de Hopfield de alto orden con retardos e impulsos
Artículo:
Algunas observaciones sobre la estimación de la función de Mittag-Leffler
Artículo:
Un estudio sobre la formulación de los parámetros de 5 o menos variables independientes de regresión lineal múltiple.
Tesis:
Estudio comparativo de tres sistemas de secado para la producción de un polvo deshidratado de fruta
Artículo:
Predicción de precios de vivienda basada en regresión lineal múltiple
Artículo:
Papel de la atención sanitaria habitual combinada con la telemedicina en el tratamiento del embarazo de alto riesgo en Hangzhou, China