为提高名词性属性实例差异的识别精度,优化分类算法性能,综合考虑实例的属性和类别特征,提出了一种基于条件概率分布的混合距离度量方法.首先,计算属性间以及属性与类别间条件概率分布的差异;其次,利用互信息对2种差异进行加权组合,得...为提高名词性属性实例差异的识别精度,优化分类算法性能,综合考虑实例的属性和类别特征,提出了一种基于条件概率分布的混合距离度量方法.首先,计算属性间以及属性与类别间条件概率分布的差异;其次,利用互信息对2种差异进行加权组合,得到新的混合距离度量;最后,利用K-近邻算法在20个UCI(University of California Irvine)数据集上进行仿真实验,并将其应用于儿童阑尾炎的诊断和治疗.结果表明:较重叠度量等3种度量方法,本文提出的距离度量方法,显著提高了分类算法的准确率,具有较好的应用前景.展开更多
文摘为提高名词性属性实例差异的识别精度,优化分类算法性能,综合考虑实例的属性和类别特征,提出了一种基于条件概率分布的混合距离度量方法.首先,计算属性间以及属性与类别间条件概率分布的差异;其次,利用互信息对2种差异进行加权组合,得到新的混合距离度量;最后,利用K-近邻算法在20个UCI(University of California Irvine)数据集上进行仿真实验,并将其应用于儿童阑尾炎的诊断和治疗.结果表明:较重叠度量等3种度量方法,本文提出的距离度量方法,显著提高了分类算法的准确率,具有较好的应用前景.
