面向连续-离散混合数据分类的强化学习表征方法
作者机构：南京邮电大学通信与信息工程学院
出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)
年 卷 期：2025年第1期
页 面：117-122页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：人工智能技术的快速发展引爆了大数据时代，由此而产生了各类型数据，数据驱动着机器学习的发展，机器学习的性能也依赖表征模型对这类数据的表征结果，而传统的数据表征算法并不能使这类数据获得最佳区分性。为解决上述问题，本文在表征算法的基础上引入强化学习，以聚类评价指标作为奖励，获得最佳区分性的表征数据，并将其用于分类任务中。实验结果表明本文提出的强化学习表征方法相较于传统表征方法在机器学习分类任务上能取得更好的效果。
同方期刊数据库