基于改进置信规则库推理的分类方法

摘要：

通过引入置信规则库的线性组合方式，设定规则数等于分类数及改进个体匹配度的计算方法，提出了基于置信规则库推理的分类方法。比较传统的置信规则库推理方法，新方法中规则数的设置不依赖于问题的前件属性数量或候选值数量，仅与问题的分类数有关，保证了方法对于复杂问题的适用性。实验中，通过差分进化算法对置信规则库的规则权重、前件属性权重、属性候选值和评价等级的置信度进行参数学习，得到最优的参数组合。对3个常用的公共分类数据集进行测试，均获得理想的分类准确率，表明新分类方法合理有效。

关键词：置信规则库、基于证据推理的置信规则库推理方法(RIMER)、参数学习、分类方法

所属期刊栏目：10

分类号：TP3;TP1

资助基金：The National Natural Science Foundation of China under Grant Nos.61300026,71371053,71501047;the Natural Sci-ence Foundation of Fujian Province under Grant No.2015J01248;the National Collegiate Innovation and Entrepreneurship Training Program of China under Grant No.201410386009;the Social Science Research Supported Foundation of Fuzhou University under Grant No.14SKF16

在线出版日期：2016-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：709-721