Indexed by：
Abstract：
为克服近邻分类法需要大量计算和存储的缺点,本文利用Tabu搜索来求解满足一定错误率条件的最小参考样本集.当错误率阈值设为0时,可以得到原训练集的一致子集.当错误率阈值设为适当的非零值时,可以较好地克服近邻估计的偏置.通过在Tabu搜索中引入适当的激活(aspiration)条件,避免了在可行和不可行解区间无意义的来回搜索,加快了收敛的速度.实验结果表明,本文算法在压缩比和分类性能上都优于经典的算法.本文还证明了Dasarathy的算法[6]得到的最小一致子集(Minimal Consistent Set:MCS)不是最小的,其MCS也不一定是单调减的.
Keyword：
Reprint Author's Address：
Email：
Source ：
电子学报
ISSN： 0372-2112
Year： 2000
Issue： 11
Volume： 28
Page： 16-21
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 31
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
