Paper摘记：Multiple-Prototype Classifier Design

最新推荐文章于 2022-08-13 15:01:55 发布

windy444

最新推荐文章于 2022-08-13 15:01:55 发布

阅读量769

点赞数

分类专栏：机器学习文章标签： algorithm transactions prototype 算法优化测试

本文链接：https://blog.csdn.net/windy444/article/details/2007835

版权

本文探讨了1-NP分类器，通过竞争学习模型如Kohonen规则、LVQ和GLVQ-F进行原型选择。Chang's算法用于原型合并，通过试验性和基于resubstitution error rate的迭代优化。MODIFIED CHANG ALGORITHMS (MCA’S)是算法的改进版，提高了分类效率和准确性。文章总结认为，虽然创新有限，但作为综述资料有价值。

摘要由CSDN通过智能技术生成

作者：James C. Bezdek, Fellow, IEEE, Thomas R. Reichherzer, Gek Sok Lim, and Yianni Attikiouzel, Fellow, IEEE

出处：IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS, VOL. 28, NO. 1, FEBRUARY 1998

个人评价：总的来说，创新不多，当作综述来读不错

摘记：

1-NP 分类器（1-Nearest prototype）: 通过选择（从原有点中），替换（会产生新的点）等方法，压缩原训练数据集为更小的由原型组成的数据集，然后分类时，找最近的那个原型。

寻找多个原型的方法，竞争学习模型-competitive learning(CL) model。Kohonen规则，竞争网络，LVQ（更新竞争胜利者周围的原型），GLVQ-F（最优化一个性能函数，更新所有的原型，模糊因子），deterministic DR algorithm（更新所有的原型，use intuitive arguments to establish the learning rate distribution for Kohonen规则）

Chang’s algorithm：初始时，每个训练数据都是原型，此时，resubstitution error rate（训练数据和测试数据相同的错误率）=0。然后找训练数据中，最接近的点，试验性的合