一种改进的案例推理分类方法研究

• 作者: 严爱军 张春晓 王普
• 来源期刊: 自动化学报
• 关键词: 案例推理 案例检索 遗传算法 内省学习 群决策
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 2015-2021
• 页数: 7页
• 字数: 7503字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.02015

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王普	北京工业大学电子信息与控制工程学院	206	1897	22.0	33.0
2	严爱军	北京工业大学电子信息与控制工程学院	28	242	9.0	14.0
3	张春晓	北京工业大学电子信息与控制工程学院	2	27	2.0	2.0