基于子类划分和粒子群优化的自适应编码多类分类方法
CSTR:
作者:
作者单位:

(空军工程大学防空反导学院,西安710051)

作者简介:

薛爱军(1989-), 男, 博士生, 从事机器学习的研究;王晓丹(1966-), 女, 教授, 博士生导师, 从事机器学习、目标识别等研究.

通讯作者:

E-mail: wang_afeu@126.com

中图分类号:

TP391

基金项目:

国家自然科学基金项目(61273275).


Multiclass classification of adaptive error-correcting output codes based on subclass and particle swarm optimization
Author:
Affiliation:

(Air and Missile Defense College,Air Force Engineering University,Xián 710051,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    纠错输出编码(ECOC)可以有效地解决多类分类问题.基于数据的编码是主要的编码方法之一.对此,提出一种基于子类划分和粒子群优化(PSO)的自适应编码方法,利用混淆矩阵衡量各类别的相关性,基于规则的方法对类别进行自适应组合,根据组合方案构建类别的二类划分并最终形成编码矩阵,通过引入PSO算法寻找最优阈值,从而得到最优编码矩阵.实验结果表明,所提出的编码方法可以得到更好的分类性能.

    Abstract:

    Error correcting output codes(ECOC) is an effective way to solve multiclass classification problems. Encoding based on data is one of important methods to having coding matrix. Thereforem, an adaptively encoding method based on subclass and particle swarm optimization(PSO) is proposed. Firstly, the similarity between each pair of patterns is measured by using the confusion matrix, and classes are regrouped based on rules. Then binary partitions are gotten based on pattern combination. Finally, the PSO algorithm is introduced to find the most suitable thresholds, thus obtaining a data driven coding matrix. Experimental results show that the proposed method can provide better performance.

    参考文献
    相似文献
    引证文献
引用本文

薛爱军,王晓丹.基于子类划分和粒子群优化的自适应编码多类分类方法[J].控制与决策,2018,33(2):211-218

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-12-21
  • 出版日期:
文章二维码