字段 |
价值 |
语言 |
dc.分配器.author |
卢,N |
en_US(_US) |
dc.分配器.author |
卢,J
https://orcid.org/0000-0003-0690-4732
|
en_US(_US) |
dc.分配器.author |
张,G
https://orcid.org/0000-0003-3960-0583
|
en_US(_US) |
dc.分配器.author |
洛佩斯·德曼塔拉斯(Lopez De Mantaras),R |
en_US(_US) |
dc.date.可用 |
2020-05-25T19:07:33分 |
|
dc.date.发布 |
2016-01-01 |
en_US(_US) |
dc.识别器.识别 |
《人工智能》,2016年,230页,第108-133页 |
en_US(_US) |
dc.identifier.issn文件 |
0004-3702 |
en_US(_US) |
dc.identifier.uri文件 |
网址:http://hdl.handle.net/10453/44129
|
|
dc.说明.摘要 |
©2015 Elsevier B.V.版权所有。真实世界数据不断演变的性质和不断积累的数量不可避免地导致所谓的“概念漂移”问题,导致许多部署的基于案例的推理(CBR)系统需要额外的维护程序。在案例库维护(CBM)中,修改案例库的案例库编辑策略已被证明是处理概念漂移的有效实例选择方法。受当前CBR技术处理概念漂移相关问题的启发,我们提出了一种两阶段的案例库编辑技术。在第一阶段,我们提出了一种噪声增强的快速上下文切换(NEFCS)算法,其目标是在动态环境中消除噪声;在第二阶段,我们开发了一种创新的逐步冗余删除(SRR)算法,该算法通过消除冗余来减小案例库的大小,同时保持案例库的覆盖范围。在几个公共现实世界数据集上的实验评估表明,与其他基于案例的编辑方法相比,我们的基于案例的编辑技术在概念漂移任务上显著提高了准确性,同时在静态任务上保持了其有效性。 |
en_US(_US) |
dc.关系 |
http://purl.org/au-research/grants/arc/DP150101645
|
|
dc.关系.ispartof |
人工智能 |
en_US(_US) |
dc.relation.isbasedon公司 |
2016年10月10日/j.artint.2015.09.009 |
en_US(_US) |
dc.主题.分类 |
人工智能与图像处理 |
en_US(_US) |
dc.标题 |
一种概念容错的案例库编辑技术 |
en_US(_US) |
dc.类型 |
期刊文章 |
|
utslib.citation卷 |
230 |
en_US(_US) |
utslib.for |
0801人工智能和图像处理 |
en_US(_US) |
utslib.for |
0802计算理论与数学 |
en_US(_US) |
utslib.for |
1702认知科学 |
en_US(_US) |
公共场所禁运期 |
未知 |
en_US(_US) |
酒吧.组织团体 |
/悉尼理工大学 |
|
酒吧.组织团体 |
/悉尼理工大学/工程与信息技术学院 |
|
酒吧.组织团体 |
/悉尼理工大学/工程与信息技术学院/计算机科学学院 |
|
酒吧.组织团体 |
/悉尼理工大学/实力CAI-人工智能中心 |
|
utslib.版权.状态 |
打开访问(_A) |
|
公共场所-公共场所 |
出版 |
en_US(_US) |
pubs.volume出版社 |
230 |
en_US(_US) |