...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Mathematical Modelling >Kalman particle swarm optimized polynomials for data classification
【24h】

Kalman particle swarm optimized polynomials for data classification

机译：卡尔曼粒子群优化多项式用于数据分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Data classification is an important area of data mining. Several well known techniques such as decision tree, neural network, etc. are available for this task. In this paper we propose a Kalman particle swarm optimized (KPSO) polynomial equation for classification for several well known data sets. Our proposed method is derived from some of the findings of the valuable information like number of terms, number and combination of features in each term, degree of the polynomial equation etc. of our earlier work on data classification using polynomial neural network. The KPSO optimizes these polynomial equations with a faster convergence speed unlike PSO. The polynomial equation that gives the best performance is considered as the model for classification. Our simulation result shows that the proposed approach is able to give competitive classification accuracy compared to PNN in many datasets.
机译：数据分类是数据挖掘的重要领域。几种众所周知的技术（例如决策树，神经网络等）可用于此任务。在本文中，我们提出了一种卡尔曼粒子群优化（KPSO）多项式方程式，用于对几种众所周知的数据集进行分类。我们提出的方法是从一些有价值的信息发现中得出的，这些信息包括我们早期使用多项式神经网络进行数据分类的工作中的项数，项数和每个项的特征组合，多项式方程的阶数等。与PSO不同，KPSO以更快的收敛速度优化了这些多项式方程。提供最佳性能的多项式方程式被视为分类模型。我们的仿真结果表明，与许多数据集中的PNN相比，该方法能够提供具有竞争力的分类精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号