科研之友
微信
新浪微博
Facebook
分享链接
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%。
- 单位
