计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
7期
155-157,160
,共4页
元胞自动机%元胞邻域%小样本集%数据挖掘%分类算法%转换规则
元胞自動機%元胞鄰域%小樣本集%數據挖掘%分類算法%轉換規則
원포자동궤%원포린역%소양본집%수거알굴%분류산법%전환규칙
样本集中的数据数量过少会影响最后的分类精度.为此,提出基于元胞自动机模型的小样本集分类算法,利用元胞自动机的状态转换规则和分类规则,通过元胞空间的演化实现对数据集的分类.对标准数据集的测试结果表明,在小样本集和样本集中数据分布不均匀的情况下,该算法具有较高的分类精度.
樣本集中的數據數量過少會影響最後的分類精度.為此,提齣基于元胞自動機模型的小樣本集分類算法,利用元胞自動機的狀態轉換規則和分類規則,通過元胞空間的縯化實現對數據集的分類.對標準數據集的測試結果錶明,在小樣本集和樣本集中數據分佈不均勻的情況下,該算法具有較高的分類精度.
양본집중적수거수량과소회영향최후적분류정도.위차,제출기우원포자동궤모형적소양본집분류산법,이용원포자동궤적상태전환규칙화분류규칙,통과원포공간적연화실현대수거집적분류.대표준수거집적측시결과표명,재소양본집화양본집중수거분포불균균적정황하,해산법구유교고적분류정도.
