.png){kind=icon}
返回
Combining three strategies for evolutionary instance selection for instance-based learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2018.02.022.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于实例的学习方法，如k最近邻规则，是任何分类任务中性能最好的方法之一。尽管它们简单，但它们的性能与更复杂的方法相当。然而，它们的问题之一是必须将所有训练实例存储在存储器中。对于大型数据集，这也可能会影响测试过程的速度。作为该问题的解决方案，已经提出了去除冗余和噪声实例的实例选择方法。但是，这些方法的一般副作用是它们会大大降低基于实例的学习器的准确性。与使用所有实例的k最近邻规则的应用相比，分类性能明显更差。在本文中，我们提出了一种进化实例选择算法，该算法结合了三种策略来避免这种负面影响。首先，它使用CHC遗传算法的框架，因为它已被证明是执行此任务的最佳方法。其次，它包含了多次选择每个实例的可能性。这在以前的工作中也被证明是有用的。最后，它使用k的局部值，该值取决于每个测试实例的最近邻居。这三种组合策略能够实现比以前的方法更好的减少，同时保持与k最近邻规则相同的分类性能。在大量的150现实问题中，我们的方法被证明是最先进的实例选择算法中表现最好的，并且使用整个训练集与k最近邻规则的分类性能相匹配。
Keyword:
Instance selection
Evolutionary algorithms
k nearest neighbor rule
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
Democratic instance selection: A linear complexity instance selection algorithm based on classifier ensemble concepts民主实例选择: 基于分类器集成概念的线性复杂度实例选择算法
OAAI
OAAI分享收藏
An experimental comparison of three methods for constructing ensembles of decision trees: Bagging, boosting, and randomization.png)
MACHINE LEARNINGOAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏A feature weighted support vector machine and K-nearest neighbor algorithm for stock market indices prediction基于特征加权支持向量机和K近邻算法的股市指数预测
PREAI
分享收藏Multi-class sentiment classification: The experimental comparisons of feature selection and machine learning algorithms多类情感分类: 特征选择和机器学习算法的实验比较OAAI
OAAI分享收藏Using evolutionary algorithms as instance selection for data reduction in KDD: An experimental study使用进化算法作为KDD中数据约简的实例选择: 一项实验研究
PREAI
分享收藏
查看更多内容