基于CCS优化的FDT集成分类算法研究

摘要：

模糊决策树在数据模糊化时,需要确定每个数量型属性的模糊语言项个数.另一方面,集成分类算法已成为提高模型准确率和稳定性的有效策略.提出了一种基于混沌布谷鸟(CCS)优化的FDT集成分类算法,首先用CCS算法确定数量型属性的模糊语言项个数,再通过bootstrap抽样生成FDT集成模型,最后采用OOB误差加权投票机制得到分类结果.通过4组UCI数据集验证,与其他分类算法对比,证明了该方法在分类精度上有明显的提升;同时,在处理缺失数据时,仍有较高的分类能力.

关键词：模糊决策树、集成分类、混沌布谷鸟算法、投票机制、分类精度

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：教育部高等学校博士学科点专项科研基金20133221120012;国家自然科学基金61403190

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：127-131,210