10.16208/j.issn1000-7024.2016.06.035
基于粗糙集的多分类器集成学习算法
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。
粗糙集、正区域、边界域、集成学习、分类器
37
TP301.6(计算技术、计算机技术)
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
2016-07-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
1610-1616