一种新的用于分类挖掘的动态示例学习算法

• 作者: 张德干 赵海 郝先臣 高光来
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 信息融合 熵 分类 动态相关 特征跃迁 丰满水电站
• 年，卷（期）: 2002,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP391
• 字数: 3399字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-436X.2002.02.003

摘要

给出一种能够接受特征及变化的动态示例学习分类方法.该方法改进了传统ID基于特征值的学习方法,其局限性在于不能理解和记忆特征的变化信息,尤其没考虑特征间的动态相关.改进后的方法能学习动态特征,接受的训练示例是特征值在一定间隔内的初值和终值,从中获取特征值及其在指定间隔的跃迁,该方法尤其能够挖掘出特征间动态相关关系.通过若干应用例子测试表明,该方法适用于具有多元动态相关特征问题的分类,在信息融合领域中有独到的用处.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵海	东北大学信息学院	416	3872	28.0	45.0
2	张德干	东北大学信息学院	21	317	9.0	17.0
3	郝先臣	东北大学信息学院	17	280	7.0	16.0
4	高光来	东北大学信息学院	4	170	3.0	4.0