一种改进的案例推理分类方法研究
特征属性的权重分配和案例检索策略对案例推理(Case-based reasoning, CBR)分类的准确率有显著影响。本文提出一种结合遗传算法、内省学习和群决策思想改进的CBR 分类方法。首先,利用遗传算法得到多组属性权重,再根据内省学习原理对每组权重进行迭代调整;然后,通过案例群检索策略得到满足大多数原则的群决策分类结果;最后,以典型分类数据集的对比实验证明了本文方法能进一步提高CBR分类的准确率。这表明内省学习可以保证权重分配的合理性,案例群检索策略能充分利用案例库的潜在信息,对提升CBR的学习能力有显著作用。
案例推理、案例检索、遗传算法、内省学习、群决策
O15;B84
国家自然科学基金61374143 Supported by National Natural Science Foundation of China 61374143
2014-10-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
2015-2021