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.
人工智能理论 案例推理 分类方法 优化设计
张春晓 严爱军 王普
北京工业大学电子信息与控制工程学院 北京100124
国内会议
呼和浩特
中文
2015-2021
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）