计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
8期
2273-2278
,共6页
案例推理%属性权重%迭代调整%内省学习%成功驱动
案例推理%屬性權重%迭代調整%內省學習%成功驅動
안례추리%속성권중%질대조정%내성학습%성공구동
Case-Based Reasoning (CBR)%attribute weight%iterative adjustment%introspective learning%success-driven
针对案例推理(CBR)分类器中案例属性权重的分配问题,提出一种基于内省学习的属性权重迭代调整方法.该方法可根据CBR分类器对训练案例分类的结果调整属性的权重.基于成功驱动的权重学习策略,若当前训练案例分类成功,则首先根据权重调整公式增加匹配属性的权重并减少不匹配属性的权重;然后对所有权重进行归一化从而得到当次迭代的新权重.实验结果表明,所提方法的CBR分类器在UCI数据集PD、Heart和WDBC的准确率比传统CBR分类器分别提高1.72％、4.44％和1.05％.故成功驱动的内省学习权重调整方法可以提高权重分配的合理性,进而提高CBR分类器的准确率.
針對案例推理(CBR)分類器中案例屬性權重的分配問題,提齣一種基于內省學習的屬性權重迭代調整方法.該方法可根據CBR分類器對訓練案例分類的結果調整屬性的權重.基于成功驅動的權重學習策略,若噹前訓練案例分類成功,則首先根據權重調整公式增加匹配屬性的權重併減少不匹配屬性的權重;然後對所有權重進行歸一化從而得到噹次迭代的新權重.實驗結果錶明,所提方法的CBR分類器在UCI數據集PD、Heart和WDBC的準確率比傳統CBR分類器分彆提高1.72％、4.44％和1.05％.故成功驅動的內省學習權重調整方法可以提高權重分配的閤理性,進而提高CBR分類器的準確率.
침대안례추리(CBR)분류기중안례속성권중적분배문제,제출일충기우내성학습적속성권중질대조정방법.해방법가근거CBR분류기대훈련안례분류적결과조정속성적권중.기우성공구동적권중학습책략,약당전훈련안례분류성공,칙수선근거권중조정공식증가필배속성적권중병감소불필배속성적권중;연후대소유권중진행귀일화종이득도당차질대적신권중.실험결과표명,소제방법적CBR분류기재UCI수거집PD、Heart화WDBC적준학솔비전통CBR분류기분별제고1.72％、4.44％화1.05％.고성공구동적내성학습권중조정방법가이제고권중분배적합이성,진이제고CBR분류기적준학솔.
