基于随机化属性选择和邻域覆盖约简的集成学习

被引：36

作者：

朱鹏飞

胡清华

于达仁

机构：

[1] 哈尔滨工业大学能源学院

来源：

电子学报 | 2012年 / 40卷 / 02期

关键词：

邻域; 随机约简; 集成学习; 规则学习; 分类器;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

提高分类模型的分类精度和可靠性是分类建模追求的目标.针对目前规则学习方法应用于分类时稳定性差以及分类精度低的问题,本文通过随机化邻域属性约简,搜索一组分类精度较高的属性子集,在不同的属性子集上采用邻域覆盖约简方法学习分类规则,得到多个规则集.最后通过简单投票融合不同规则集上的分类结果获得对象的类别.实验表明,基于随机化邻域约简的集成学习方法分类性能优于或与其它相关的分类器相当,并且在噪声扰动下具有更强的鲁棒性.

引用

收藏

页码：273 / 279

页数：7

相关论文

共 14 条

[1]

不协调决策表几种约简标准及其关系分析 [J].

杜卫锋 ;

秦克云 .

电子学报, 2011, 39 (06) :1336-1340

[2]

平均1-依赖决策树集成算法 [J].

周传华 ;

王清 ;

吴科主 ;

赵保华 .

电子学报, 2010, 38 (02) :434-438

[3]

一种自整定权值的多分类器融合方法 [J].

米爱中 ;

郝红卫 ;

郑雪峰 ;

涂序彦 .

电子学报, 2009, 37 (11) :2604-2609

[4]

基于加权粗糙集的代价敏感故障诊断方法 [J].

刘金福 ;

于达仁 ;

胡清华 ;

王伟 .

中国电机工程学报, 2007, (23) :93-99

[5]

A systematic study on attribute reduction with rough sets based on general binary relations [J].

Wang, Changzhong ;

Wu, Congxin ;

Chen, Degang .

INFORMATION SCIENCES, 2008, 178 (09) :2237-2261

[6]

Neighborhood rough set based heterogeneous feature subset selection [J].

Hu, Qinghua ;

Yu, Daren ;

Liu, Jinfu ;

Wu, Congxin .

INFORMATION SCIENCES, 2008, 178 (18) :3577-3594

[7]

EROS: Ensemble rough subspaces [J].

Hu, Qinghua ;

Yu, Daren ;

Xie, Zongxia ;

Li, Xiaodong .

PATTERN RECOGNITION, 2007, 40 (12) :3728-3739

[8]

A new approach to attribute reduction of consistent and inconsistent covering decision systems with covering rough sets [J].

Chen Degang ;

Wang Changzhong ;

Hu Qinghua .

INFORMATION SCIENCES, 2007, 177 (17) :3500-3518

[9]

Multiknowledge for decision making [J].

Wu, QX ;

Bell, D ;

McGinnity, M .

KNOWLEDGE AND INFORMATION SYSTEMS, 2005, 7 (02) :246-266

[10]

Reduction and axiomization of covering generalized rough sets.[J].William Zhu;Fei-Yue Wang.Information Sciences.2003,