| 梁怀新,郝连旺,宋佳霖,郑存芳,洪文学.基于增量学习和Lasso融合的数据可视化模式识别方法[J].高技术通讯(中文),2018,28(1):39~51 |
| 基于增量学习和Lasso融合的数据可视化模式识别方法 |
|
| |
| DOI： |
| 中文关键词: 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 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 2640 |
| 全文下载次数: 1877 |
| 中文摘要: |
| 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，Adaboost，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。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
