基于动态加权的粗糙子空间集成

摘要：

提出一种基于动态加权的粗糙子空间集成方法EROS-DW.利用粗糙集属性约简方法获得多个特征约简子集,并据此训练基分类器.在分类阶段,根据给定待测样本的具体特征动态地为每个基分类器指派相应的权重,采用加权投票组合规则集成各分类器的输出结果.利用UCI 标准数据集对该方法的性能进行测试.实验结果表明,相较于经典的集成方法,EROS-DW 方法可以获得更高的分类准确率.

关键词：集成学习、粗糙集、属性约简、动态加权

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目70971067;江苏省"青蓝工程"基金;江苏省六大人才高峰基金资助重点项目07-E-025;江苏省高校自然科学基金资助重大项目08KJA520001

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：178-180