提高案例推理分类器的可靠性研究
案例推理技术是人工智能领域的一种新型推理技术和机器学习方法，源于上世纪80年代，针对案例推理(Case-based reasoning,CBR)分类器的可靠性问题,本文提出一种改进的案例检索和案例重用方法.首先在案例检索环节应用注水原理对属性权重进行优化分配,利用每个属性数据的标准差和均值构造拉格朗日函数求得属性权重,并设定重要度阈值指导属性约简;其次在案例重用环节引入基于可信度的重用策略,通过计算目标案例分属于各个类别的可信度大小来确定当前案例的分类结果.最后通过实验对比,表明本文方法能有效提高分类精度和效率,分类器的可靠性得以保障.
人工智能 案例推理分类器 可靠性 优化方法
赵辉 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
2029-2036
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）