基于冗余实例对消除算法的实例选择

• 作者: 刘璐 刘衍珩 孙鑫 高强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 实例选择 最近同类实例对 k最近邻 剪辑最近邻规则算法 数据约简 机器学习
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 177-180
• 页数: 4页
• 分类号: TP18
• 字数: 3436字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.01.037

摘要

实例选择能有效移除数据中的噪声和冗余数据，但现有方法难以在提高泛化能力的同时实现约简。针对该问题，提出一种冗余实例对消除算法用于实例选择。给出最近同类实例对的概念，计算数据集中存在的最近同类实例对，并移除满足条件的实例，在11个不同数据集上进行的仿真实验结果表明，经过该算法处理后的数据集在分类准确率和存储压缩率上较原始样本集有明显提升。对比剪辑最近邻规则算法，该算法能够在保持分类准确率的同时提高平均存储压缩率35%以上，并完整保留原始样本集的数据分布特征，在分类准确率和存储压缩率上取得折中。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘衍珩	吉林大学计算机科学与技术学院	99	816	14.0	25.0
2	孙鑫	吉林大学计算机科学与技术学院	25	148	5.0	12.0
3	高强	吉林大学计算机科学与技术学院	12	38	4.0	6.0
4	刘璐	吉林大学计算机科学与技术学院	55	268	8.0	15.0