基于生成模型的Q-learning二分类算法

• 作者: 乔康加 尚志刚 徐若灏 李蒙蒙 杨莉芳
• 来源期刊: 计算机应用研究
• 关键词: Q-learning 生成模型 二分类 最小二乘时序差分算法 半梯度下降法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3326-3329,3333
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.08.0277

摘要

对于二分类问题,基于判别模型的分类器一般都是寻找一条最优判决边界,容易受到数据波动的影响.针对该问题提出一种基于生成模型的Q-learning二分类算法(BGQ-learning),将状态和动作分开编码,得到对应各类的判决函数,增加了决策空间的灵活性,同时在求解参数时,采用最小二乘时序差分(TD)算法和半梯度下降法的组合优化方法,加速了参数的收敛速度.设计实验对比了BGQ-learning算法与三种经典分类器以及一种新颖的分类器的分类性能,在UCI数据库七个数据集上的测试结果表明,该算法有着优良的稳定性以及良好的分类精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚志刚		25	72	6.0	8.0
2	李蒙蒙		16	40	4.0	6.0
3	徐若灏		1	0	0.0	0.0
4	乔康加		1	0	0.0	0.0
5	杨莉芳		3	0	0.0	0.0