马鲁阿内·埃西德;米利亚姆邦哈斯;亨利·普拉德 基于连续模拟比例的分类器。 （英语） Zbl 1512.68274号 Lesot，Marie-Jeanne（编辑）等人，《基于知识的系统中的信息处理和不确定性管理》。2020年6月15日至19日，葡萄牙里斯本，IPMU 2020第18届国际会议。诉讼程序。第一部分查姆：施普林格。Commun公司。计算。信息科学。1237, 541-555 (2020). 摘要：类比比例，通常用（黑体符号{A:B\，{：：}\，C:D}\）表示，是“（A\）is to \（B\）as \（C\）is to\（D\）”形式的语句，涉及项目之间的比较。它们是推理机制的基础，而推理机制被认为是一种合适的分类工具，在过去十年中产生了各种类比分类器。给定一个要分类的对象（D），此类分类器的基本思想是在学习集中查找示例（（A，B，C））的三元组，在最大属性集上与（D）形成类比比例。在分类上下文中，假设对象（A）、（B）、（C）和（D）由特征值向量表示。类比推理依赖于这样一个事实：如果一个比例（粗体符号{a:B\，{:：}\，C:D}\）是有效的，那么可以从其他三个分量中计算出比例的四个分量之一。基于这一原理，由于在学习集中搜索所有可能的三元组来进行单个预测，因此类比分类器具有三次复杂度。只涉及三个项目\（A\）、\（B\）和\（C\）的类比比例的特例称为连续的类比比例和are的形式为“（A）是到（B），因为（B）是到”（因此表示为（粗体符号{A:B\，{：：}\，B:C}）。本文提出了一种新的基于连续相似比例的分类算法，并将其应用于数字特征。该分类器专注于对而非三元组，使我们能够在给定一对项目（（a，C））的情况下计算未知中点项目（B）。实验结果表明，这种分类器的效率接近于以前的基于类比的分类器，同时保持了较低的二次复杂度。关于整个系列，请参见[Zbl 1481.68015号]. MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：分类;类比比例;连续类比 PDF格式BibTeX公司 XML格式引用 \textit{M.Essid}等人，Commun。计算。信息科学。1237541-555（2020年；Zbl 1512.68274） 全文： 内政部