里奥纳

RIONA：一种结合规则归纳和实例学习的分类系统。本文介绍了一种将两种广泛使用的经验方法结合到实例中学习的方法：规则归纳法和实例学习法。在我们的算法（RiONA）决策中不是基于与测试用例匹配的所有规则的整个支持集来预测的，但是支持集仅限于测试用例的邻域。在学习阶段自动诱导最优邻域的大小。实证研究表明，有趣的事实是，它是足够的考虑小邻域实现分类精度相比，考虑到整个学习集的算法。（k）-NN和基于规则的算法的组合导致使用所有最小规则的算法的显著加速。此外，所提出的分类器对两类领域都具有较高的精度：更适合于（K）-NN分类器，更适合于基于规则的分类器。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。

ZBMaX中的参考文献（9篇）2篇标准文章）

显示结果1至9的9。
按年份排序（引文）

  1. 刘，严；李，詹江；甄，薛军：基于非参数（K）-最近邻识别和R聚类分析的指标选择模型的实证研究（2018）
  2. Apice，安娜丽萨；Malerba，多纳托：利用地球空间插值聚类中的局部空间自相关函数（2014）伊波尔特
  3. 西科拉，马立克；Sikora，BeaTa:改进的预测模型应用于自然灾害和机械监测系统（2012）
  4. Stojanova，达妮埃拉；切奇，米切朗基罗；Appice，安娜丽萨；D.ErOSKi，Saao:预测聚类树的网络回归（2012）
  5. Pawlak，ZDZIS-AW；SKOWRON，ANDRZJ:粗糙集的基础（2007）
  6. Pawlak，ZDZIS-AW；SKOWRON，ANDZEJ:粗集和布尔推理（2007）
  7. 巴赞，Jan G.；Szczuka，Marcin S.；Wojna，Arkadiusz；沃杰纳斯基，Marcin：粗糙集探测系统的演变（2004）
  8. Grzegorz，沃吉纳，阿卡迪乌斯：RIONA：一种新的规则归纳与实例学习相结合的分类系统（2002）
  9. G.Ra，Grzegorz；Wojna. Akadiuz：RIONA：一种结合规则归纳和K-NN方法的分类器，自动选择最优邻域（2002）