论文部分内容阅读
当训练样本集规模过大时，最近邻分类规则约减过程是一个耗时的过程．目前，常见的约减算法往往存在计算成本过高、约减过程难于并行化等问题．针对该问题，文中将人工内分泌机制引入到最近邻规则的约减过程中，保留不同类规则边界上的边界规则，规则的约减规模通过晶格的粒度来设定．该方法可以在分割一约减一合并框架下获得较高的一致性约减子集，从而使规则的约减过程并行化，缩短约减时间．用11个不同的数据集进行仿真实验的结果显示，该方法简单而有效，较好地解决了大样本集的约减问题．