论文部分内容阅读
针对常用分类方法分类精度较低和内存消耗较高的问题,设计一种基于多吸引子元胞自动机(MACA)的模式分类器tsPCM,把它应用于分布式数据挖掘。通过改变MACA的描述方法,用依赖串和依赖向量将分类过程设计成两阶段,用遗传算法优化设计。实验结果表明tsPCM具有较高的分类精度和较低的内存消耗,分类复杂度由O(n^3)降低到线性级O(n),具有较好的应用价值。