一种基于置信度的代表点选择算法

摘要：

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.

关键词：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

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2012-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：167-169,174