一种有监督学习证据理论分类器

• 作者: 李弼程 邓子建
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 机器学习 证据理论 分类器 Widrow-Hoff 学习规则
• 年，卷（期）: 2005,（15）
• 所属期刊栏目: 学术探讨
• 页码范围: 53-56
• 页数: 4页
• 分类号: TP18
• 字数: 5691字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.15.016

摘要

经典的证据理论不包括从实例中学习基本信度分配的机制,因此应用范围受到一定限制.通过在证据理论中引入神经网络的学习机制,该文提出了一种有监督学习证据理论分类器.该分类器使用一种经过修改的Widrow-Hoff学习规则从训练实例中学习基本信度分配信息.新实例到来后,该分类器在所学基本信度分配的基础上,使用证据理论合成公式对新实例作分类.新分类器拓展了证据理论的应用领域.实验结果表明该分类器是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程	信息工程大学信息工程学院信息科学系	102	1583	19.0	37.0
2	邓子建	信息工程大学信息工程学院信息科学系	4	61	2.0	4.0