基于增量学习和Lasso融合的数据可视化模式识别方法

• 作者: 宋佳霖 梁怀新 洪文学 郑存芳 郝连旺
• 来源期刊: 高技术通讯
• 关键词: 增量学习 最小绝对值收缩和选择算子(Lasso) 属性偏序结构图 可视化 模式识别 粒化
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 39-51
• 页数: 13页
• 字数: 8644字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2018.01.006

摘要

提出了一种基于增量学习和最小绝对值收缩和选择算子(Lasso)特征选择融合的数据可视化模式识别方法.该方法首先对归一化数据进行一级Lasso筛选特征降维,之后对连续数据进行基于Gini指数的粒化,再送入增量模式学习系统进行增量学习,针对维数大量升高的情况进行Lasso二级特征筛选生成一致模式决策表,生成属性偏序结构图可视化规则发现.数据采用来自UCI 的5个数据库,并与分类器KNN,SVM,Ada-boost,Random Forest进行分类准确度比较,实验表明,基于该算法的分类精度普遍高于其他分类器水平,且属性偏序结构图可视化层次清晰鲜明.通过增量学习实验设计,得到了准确率、图结构更新和不同比例增量数据的动态关系,其中Pima Indians Diabetes 数据学习达到40%时准确率(77.66%)超过Adaboost(75.32%)、SVM(77.27%)、1NN(59.74%)、3NN(75.97%)算法.结果表明该算法进行数据的可视化和模式识别是行之有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	洪文学	燕山大学生物医学工程研究所	171	1752	22.0	36.0
2	宋佳霖	燕山大学生物医学工程研究所	40	448	11.0	20.0
3	郝连旺	燕山大学生物医学工程研究所	12	85	5.0	9.0
4	郑存芳	燕山大学生物医学工程研究所	17	100	5.0	9.0
5	梁怀新	燕山大学生物医学工程研究所	2	6	2.0	2.0