特征提取与多目标机器学习研究及应用

摘要：

特征提取与多目标机器学习算法是基于多目标协同EA提出的,该算法通过对学习样本多属性进行特征提取找出其核属性,由核属性与其他非核属性组成属性组,从而提高了分类的精度.各属性组再按相似性和类标签进行有监督地聚成类簇,类簇个数和中心根据适应度矢量函数通过机器学习算法自动确定,这样类簇个数和中心就不受主观因素的影响并且保证了这两个关键要素的优化性质.待分类样本的类属是按离某个类簇中心距离最近邻法则和该类簇的类标签来判定.最后,将算法应用到UCI数据集中的Liver Disorders和Hepatitis两个数据集,以及浙江省北部地区夏天异常高温天气预测.通过实验表明,特征提取与机器学习算法优于著名的朴素贝叶斯、C4.5、SVM算法.

关键词：特征提取、核属性、机器学习、多目标EA、监督聚类

所属期刊栏目：26

分类号：TF301.6(冶金机械、冶金生产自动化)

在线出版日期：2013-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37