一种基于粗糙集属性约简的多分类器集成方法  

New classifier ensemble method based on rough set attribute reduction

作　　者：杨传振[1] 朱玉全[1] 陈耿[2] 

机构地区：[1]江苏大学计算机科学与通信工程学院,江苏镇江212013 [2]东南大学经济管理学院,南京211189

出　　处：《计算机应用研究》2012年第5期1648-1650,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目(70971067);江苏省自然科学基金资助项目(BK2010331)

摘　　要：为提高多分类器系统的分类精度,提出了一种基于粗糙集属性约简的分类器集成方法 MCS_ARS。该方法利用粗糙集属性约简和数据子集划分方法获得若干个特征约简子集和数据子集,并据此训练基分类器;然后利用分类结果相似性得到验证集的若干个预测类别;最后利用多数投票法得到验证集的最终类别。利用UCI标准数据集对方法 MCS_ARS的性能进行测试。实验结果表明,相较于经典的集成方法,方法 MCS_ARS可以获得更高的分类准确率和稳定性。To improve the accuracy of multiple classifier system,this paper proposed an classifier ensemble method MCS_ARS.This method used rough set attribute reduction and data partition to obtain a number of features subset and data subset to train base classifier,then it used the similarity of the classification results to get the results of validation set and got the final classification results of validation set by majority voting.Experiment results on UCI data sets show that compared to classical ensemble methods,MCS_ARS has higher classification accuracy and stability.

关 键 词：集成学习 粗糙集 属性约简 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]