基于权重阈值寻优的案例推理分类器特征约简
Feature reduction method based on threshold optimization for case-based reasoning classifier
摘要点击 1129  全文点击 829  投稿时间:2014-06-11  修订日期:2014-10-27
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/CTA.2015.40541
  2015,32(4):533-539
中文关键词  案例检索  特征权重  阈值寻优  特征约简
英文关键词  case retrieval  feature weight  threshold optimization  feature reduction
基金项目  国家自然科学基金项目(61374143), 北京市自然科学基金项目(4152010), 城市轨道交通北京实验室课题资助.
学科分类代码  
作者单位E-mail
赵辉 北京工业大学 电子信息与控制工程学院
数字社区教育部工程研究中心 
taiyuanjifeng2006@126.com 
严爱军 北京工业大学 电子信息与控制工程学院
数字社区教育部工程研究中心
计算智能与智能系统北京市重点实验室 
 
王普 北京工业大学 电子信息与控制工程学院
数字社区教育部工程研究中心 
 
中文摘要
      为提高案例推理(case-based reasoning, CBR)分类器的分类准确率并降低时间复杂度, 本文提出了一种基于权重阈值寻优的特征约简策略. 首先通 过基于数据驱动的方法对特征权重进行分配, 得到每个特征的权重结果; 其次, 设计特征权重重要度阈值的适应度函数, 并利用 遗传算法对该重要度阈值进行优化搜索, 最后根据得到的优化阈值与特征的权重分配情况, 删除权重小于该阈值的特征从而完成 特征的约简过程. 通过对比实验, 本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度, 表明了权重阈值寻优约 简策略的可行性与优越性. 验证了本文方法不仅可以降低CBR分类器的时间复杂度, 而且能够提高CBR的决策与学习能力.
英文摘要
      To improve the performance of case-based reasoning (CBR) classifier, we propose a feature reduction method based on threshold optimization for CBR classifier. First a data-driven method is adopted to conduct the feature weight distribution. Then, a weight threshold is introduced, where a genetic algorithm is utilized to obtain an appropriate threshold result, together with the feature weight and the threshold, the features of which the weights are lower than the threshold are deleted to accomplish the feature reduction process. The experimental results indicate that the weight distribution method and the threshold optimization method can improve the performance of CBR classifier, which confirms that the proposed reduction method is able to achieve a higher classification accuracy, decrease the time complexity, and improve the learning ability of CBR classifier.