基于粗糙集的多分类器集成学习算法

摘要：

为将粗糙集理论与集成学习进行有效的结合，提高多分类器集成的分类性能，提出一种结合粗糙集的多分类器集成学习算法。根据粗糙集理论，将样本划分为正区域和边界域两部分，在此基础上进行样本抽样；抽样过程中，确保抽样的每个数据集都包括边界域内的所有样本。在 UCI数据集上的实验结果表明，相比一些经典的集成算法，该算法在 Preci-sion、Recall等多个指标上提高了对数据分类的准确度。

关键词：粗糙集、正区域、边界域、集成学习、分类器

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61309014、61379114;重庆市基础与前沿研究计划基金项目cstc2013jcyjA40063

在线出版日期：2016-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1610-1616