用“特征选择”造句大全，特征选择造句

基于离散时频分布的信号识别方法，将时频核设计问题转化为以信号自模糊函数为原始特征的特征选择问题，以实现特征降维和信号识别。

针对这一问题，提出了一种基于聚类的特征选择方法，先使用聚类的方法对特征间的冗余*进行裁减，然后使用信息增益的方法选取类别区分能力强的特征。

实验结果表明，该算法有效改进迹比准则特征选择算法，同时降低错分率。

首先在无噪声的环境下提取了木材的共生矩阵纹理原始特征参数，并对其进行特征选择，进而建立了木材纹理参数体系。

特征选择和特征抽取是维数约简常用的两种方法。

任何一门学科都具有其知识结构特征，根据特征选择教学方法有益于教学目的的实现。

实验结果表明此种特征选择方法的微平均F1和宏平均F1较高。

优化特征选择，选定面积、周长、长轴、短轴、欧拉数、几何矩等共12个特征参数作为神经网络输入向量进行分类试验。

针对未知类标号的样本集，提出基于中心距离比值准则的无监督特征选择算法。

由于其可在单幅多元图中显示多个观察，因此适用于模式识别领域中的特征选择与分类空间形成。

提出两种适用于微机系统的特征选择方法——相关分析法和二步选择法；

评估指标体系的选取是企业信用评估的首要问题，它是一个特征选择问题。

和传统的方法不同，该文所涉及的特征是从句子中提取的不同长度的词组，然后用比数比来对其进行特征选择。

并利用特征选择算法自动选择最优的特征组合，同时对比同样的特征下最大熵模型与支撑向量机模型的表现。

利用最大余量原理的特征选择算法在目前的机器学习研究中已经占据了重要的地位。

尽管出现了大量的特征选择算法，特征选择仍然面临着新的挑战：如何处理高维海量的样本。

在自动文本分类系统中，特征选择是有效降低文本向量维数的一种方法。

对于一个给定的待分类模式，特征选择要求人们从大量的特征中选取一个最优特征子集，以代表被分类的模式。

可根据实验模型的布局特征选择在水平面内可变形状的零洞壁干扰目标线，以改善模型区残余干扰分布特*。

实验表明，特征子集的不确定*系数作为特征选择度量是合理和可行的。