计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
19期
167-169,174
,共4页
置信度熵%适应度评价函数%代表点选择%k最近邻%半监督学习%遗传算法
置信度熵%適應度評價函數%代錶點選擇%k最近鄰%半鑑督學習%遺傳算法
치신도적%괄응도평개함수%대표점선택%k최근린%반감독학습%유전산법
代表点选择是实现缩减数据集规模的有效途径,可以提高分类的准确率和执行效率.为此,通过引入分类置信度熵的概念,提出适应度评价函数,用于评估代表点的选择效果,以此找到最优的代表点集.该方法可与其他代表点选择方法结合,得到性能更优的代表点选择方法.与多个经典代表点选择方法进行实验比较,结果表明基于置信度的代表点选择方法在分类准确率和数据降低率上有一定优势.
代錶點選擇是實現縮減數據集規模的有效途徑,可以提高分類的準確率和執行效率.為此,通過引入分類置信度熵的概唸,提齣適應度評價函數,用于評估代錶點的選擇效果,以此找到最優的代錶點集.該方法可與其他代錶點選擇方法結閤,得到性能更優的代錶點選擇方法.與多箇經典代錶點選擇方法進行實驗比較,結果錶明基于置信度的代錶點選擇方法在分類準確率和數據降低率上有一定優勢.
대표점선택시실현축감수거집규모적유효도경,가이제고분류적준학솔화집행효솔.위차,통과인입분류치신도적적개념,제출괄응도평개함수,용우평고대표점적선택효과,이차조도최우적대표점집.해방법가여기타대표점선택방법결합,득도성능경우적대표점선택방법.여다개경전대표점선택방법진행실험비교,결과표명기우치신도적대표점선택방법재분류준학솔화수거강저솔상유일정우세.
