基于属性代表的多粒度集成分类算法

张清华支学超王国胤杨帆薛付忠

山东大学;

摘要：

面对复杂多变的信息系统,传统的机器学习多分类模型无法实现一个动态分类的过程.序贯三支决策作为一种多粒度分类算法,常用于解决多粒度空间下动态分类问题.然而,序贯三支决策在粗粒度空间下容易产生决策冲突,在细粒度空间下要考虑很多属性导致其分类效率不高以及无法对最终未分类对象进行处理.因此,本文结合集成学习和粒计算的思想提出了一种基于属性代表的多粒度集成分类算法.首先,通过选择每一粒层中分类能力较强的属性作为属性代表来构建分类器,形成基于属性代表的集成分类器.其次,通过评分表保留粗粒度空间下分类器的分类意见以减少细粒度下需要考虑的属性个数.最后,采用"相对最优"的策略,将反对率最少的决策类作为最终未分类对象的…展开v

关键词：动态分类、序贯三支决策、集成学习、属性代表、多粒度

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研究发展计划项目;国家自然科学基金;重庆市自然科学基金

在线出版日期：2022-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：1712-1729