基于优势关系粗糙集的自主式学习模型

被引：12

作者：

邓维斌 ^{[1
,2
]}

王国胤 ^{[2
]}

胡峰 ^{[2
]}

机构：

[1] 西南交通大学信息科学与技术学院

[2] 重庆邮电大学计算智能重庆市重点实验室

来源：

计算机学报 | 2014年 / 37卷 / 12期

关键词：

优势关系粗糙集; 自主式学习; 不确定性度量; 知识获取; 机器学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了增强对不一致有序信息系统的处理能力,变精度优势关系粗糙集通过引入变精度阈值增加了对不一致信息的适应性,其分类性能受变精度阈值大小的影响.然而,变精度阈值往往依赖于领域先验知识或通过反复尝试确定,极大地影响了算法的实用性.针对优势关系下如何进行信息系统知识获取这一自主控制难题,在分析了变精度优势关系粗糙集所存在问题的基础上,首先定义了优势关系信息系统中决策表的整体确定性、最大整体确定性、整体不确定性、最小整体不确定性等度量准则,进而提出了对各决策类集的最大确定性进行度量的准则和算法.在此基础上,提出了将各决策类集的最大确定性作为该决策类集的变精度阈值进行知识获取的自主式学习模型.该模型不仅避免了知识获取过程中对先验知识的依赖,也增强了对处理不一致信息系统的适应性.通过与现有算法的仿真实验对比分析,发现该自主式学习方法对处理具有较高不一致性的有序信息系统具有比较突出的优势.

引用

页码：2408 / 2418

页数：11

共 28 条

[1]

Information entropy for ordinal classification[J]. HU QingHua , GUO MaoZu, YU DaRen & LIU JinFu Harbin Institute of Technology, Harbin 150001, China.Science China(Information Sciences). 2010(06)

[2] 基于3DM的B2C客户分类算法 [J].