Resumen

La discretización de características puede reducir la complejidad de los datos y mejorar la eficiencia de la minería de datos y el aprendizaje automático. Sin embargo, en el proceso de discretización multidimensional de datos, limitado por la compleja correlación entre características y el cuello de botella de rendimiento de los criterios de discretización tradicionales, los esquemas obtenidos por la mayoría de los algoritmos no son óptimos en escenarios de aplicación específicos y pueden incluso no cumplir los requisitos de precisión del sistema. Aunque algunos algoritmos de inteligencia de enjambre pueden lograr mejores resultados, es difícil formular estrategias adecuadas sin conocimiento previo, lo que hará que la búsqueda en el espacio multidimensional sea ineficiente, consuma muchos recursos informáticos y caiga fácilmente en óptimos locales. Para resolver estos problemas, este trabajo propone un algoritmo genético basado en el aprendizaje por refuerzo para optimizar el esquema de discretización de datos multidimensionales. Utilizamos conjuntos aproximados para construir la función de aptitud individual, y diseñamos la función de control para ajustar dinámicamente la diversidad de la población. Además, introducimos un mecanismo de aprendizaje por refuerzo para el cruce y la mutación con el fin de determinar los fragmentos de cruce y los puntos de mutación del esquema de discretización a optimizar. Realizamos experimentos de simulación con imágenes Landsat 8 y Gaofen-2, y comparamos nuestro método con el algoritmo genético tradicional y los métodos de discretización más avanzados. Los resultados experimentales muestran que el método de optimización propuesto puede reducir aún más el número de intervalos y simplificar el conjunto de datos multidimensionales sin disminuir la consistencia de los datos y la precisión de clasificación de la discretización.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:esquema de discretización, métodos de discretización artística, función de adecuación individual, muchos recursos informáticos, discretización multidimensional de datos, escenarios de aplicación específicos, algoritmos de inteligencia de enjambre, criterios de discretización tradicionales, algoritmo genético tradicional, refuerzo
• Keywords:discretization scheme, art discretization methods, individual fitness function, many computing resources, multidimensional data discretization, specific application scenarios, swarm intelligence algorithms, traditional discretization criteria, traditional genetic algorithm, reinforcement