模糊决策粗糙集代价敏感属性约简研究
针对决策中普遍存在的代价问题,在模糊理论和决策粗糙集的基础上,对其代价敏感属性约简方法进行了研究.在模糊决策粗糙集属性约简中引入了包含误分类代价和测试代价的总代价.因此约简的目标不再只是考虑正域的大小,而是寻找使得总代价最小的最优属性子集.提出了一种模糊决策粗糙集代价敏感属性约简(COSAR)算法,该算法采用启发式方法搜索最优属性子集.给出了算法的步骤,并将该算法与已有的模糊粗决策粗糙集属性快速约简(QuickReduct)算法进行了性能对比.实验结果表明,COSAR算法比QuickReduct算法具有更强的属性约简能力、更低的分类总代价、更短的运行时间,且随着测试样本的增加,分类总代价差值也越来越大.
模糊决策粗糙集、代价敏感、属性约简
43
TP181(自动化基础理论)
国家自然科学基金61363027;广西自然科学基金2013GXNSFAA253003,2015GXNSFAA139292
2016-12-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-72