一个基于信息论的示例学习方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


AN INFORMATION—BASED METHOD IBLE FOR LEARNING FROM EXAMPLES
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文利用信息论中信道容量、最大似然译码准则等概念,提出一个新的示例学习方法IBLE,此方法不依赖类别先验概率,特征间为强相关,具有直观的知识表示,将它用于质谱解析,结果很好,八类化合物平均正确预测率为93.96%,高于专家水平。

    Abstract:

    This paper presents a new method IBLE for learning from examples with the concepts of capacity, maximal plausible decode criterion of information theory. The method doesn t depend on the prior probability of class. In the method,the attributes are strongly associated, the knowledge representation is intelligible. We use IBLE in the interpretation of mass spectra, good result is obtained and the average predictive accuracy for eight classes of compounds is 93. 96%. This result is superior to experts.

    参考文献
    相似文献
    引证文献
引用本文

钟鸣,陈文伟,张凯慈.一个基于信息论的示例学习方法.软件学报,1993,4(4):56-60

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:1991-05-01
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号