data mining; pattern classification; support vector machines; InterRBF algorithm; RBF kernel; SVM classification model; negative association classification rules; positive association classification rules; support vector machines;
机译:借助积极和消极的规则提高分类准确性
机译:借助积极和消极的规则提高分类准确性
机译:正负模糊规则系统,极限学习机和图像分类
机译:从RBF内核提取正面和负关联分类规则
机译:通过三体稀有和禁止的魅力来寻找超出标准模型的物理场,将衰减正D介子,正奇怪D介子衰减为正kaon正muon负muon,负kaon正muon正muon,正pion正muon负muon,负介子阳性介子阳性介子阳性介子阳性介子阴性介子
机译:使用频繁和不频繁项集从文本中挖掘负向和正向关联规则
机译:“菲利普斯数据的卡尔内尔回归”摘要:经济学家认为菲利普斯曲线显示了通货膨胀与产出比率(失业率)之间的正(负)关系,可以从总需求 - 聚集供应设备中绘制出来。该文表明,菲利普斯曲线要求对总供给和总需求曲线的形式进行不太可能的限制。在这种情况下,将通货膨胀和能力利用数据作为估算潜在正式模型的基础是不恰当的。因此,本文使用非参数,数据驱动的方法来描述数据。核心回归的这种方法表明菲利普斯样本中的通货膨胀 - 失业关联在全球范围内是负面的,但在特定的失业范围内是不规则的。