基于权重阈值寻优的案例推理分类器特征约简
赵辉1
严爱军2
王普1
1.北京工业大学电子信息与控制工程学院,北京100124;数字社区教育部工程研究中心,北京1001242.北京工业大学电子信息与控制工程学院,北京100124;数字社区教育部工程研究中心,北京100124;计算智能与智能系统北京市重点实验室,北京100124
摘要：为提高案例推理(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.
关键词：案例检索特征权重阈值寻优特征约简
分类号：TP18(自动化基础理论)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 533-539 )
英文信息