典型文献
特征选择融合深度强化学习分类模型的构建及应用
文献摘要：
针对数据集采用传统机器学习算法分类预测性能偏低的问题,提出一种新型深度强化学习分类模型.该模型将分类问题看作是一个序列决策问题,利用深度Q网络算法学习对应的分类策略.通过融合卡方检验特征选择算法减少特征维数,以降低序列决策过程中动作空间搜索范围,采用线性衰减ε-贪婪策略优化探索与利用的过程,降低分类模型构建时的计算复杂度并提高模型的性能.实验结果表明,该文方法与已有的ELM、CCR-ELM、SVM和nDRL相比,在UCI数据集上准确率最高提升了19.38％,在脑卒中TCD数据集上准确率最高提升了20.64％.
文献关键词：
深度强化学习;序列决策问题;深度Q网络;脑卒中
中图分类号：
作者姓名：
田豆;李凤莲;张雪英;张晋义
作者机构：
太原理工大学信息与计算机学院,山西榆次030600
文献出处：
引用格式：
[1]田豆;李凤莲;张雪英;张晋义-.特征选择融合深度强化学习分类模型的构建及应用)[J].电子设计工程,2022(12):93-97
A类：
nDRL
B类：
深度强化学习,分类模型,构建及应用,数据集采,机器学习算法,算法分类,分类预测,预测性能,分类问题,序列决策问题,网络算法,分类策略,卡方检验,特征选择算法,决策过程,动作空间,搜索范围,贪婪策略,策略优化,优化探索,探索与利用,计算复杂度,ELM,CCR,UCI,脑卒中,TCD
AB值：
0.412674
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
