基于Parzen窗概率密度估计的小样本选煤数据分类算法研究

• 作者: 王超
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 小样本选煤数据 概率密度估计 额外训练样本
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 选煤技术
• 页码范围: 142-144
• 页数: 3页
• 分类号: TP391
• 字数: 2227字
• 语种: 中文

摘要

针对小样本选煤数据分类问题,文章提出了一种基于概率密度估计的小样本分类算法.该算法首先对小样本选煤数据分类问题进行概率密度估计,然后根据估计的概率密度函数构造额外训练样本,最后将额外训练样本添加到原始样本集中进行分类.由于Parzen窗算法可以较为精确的进行概率密度估计,生成的额外训练样本的真实性较高,所以该算法可以有效的提高分类器在的小样本选煤数据分类问题上的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超		37	28	2.0	3.0