典型文献
基于属性代表的多粒度集成分类算法
文献摘要：
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分类结果.通过实验验证,本文方法相比于序贯三支决策以及其他机器学习的多分类算法具有较好的鲁棒性、分类效率以及分类性能.
文献关键词：
动态分类;序贯三支决策;集成学习;属性代表;多粒度
中图分类号：
作者姓名：
张清华;支学超;王国胤;杨帆;薛付忠
作者机构：
旅游多源数据感知与决策技术文化和旅游部重点实验室 重庆 400065;重庆邮电大学计算智能重庆市重点实验室 重庆 400065;山东大学公共卫生学院 济南 250000
文献出处：
引用格式：
[1]张清华;支学超;王国胤;杨帆;薛付忠-.基于属性代表的多粒度集成分类算法)[J].计算机学报,2022(08):1712-1729
A类：
属性代表
B类：
分类算法,多分类,分类模型,动态分类,序贯三支决策,多粒度空间,分类问题,粗粒度,决策冲突,细粒度,多属性,效率不高,未分类,合集,集成学习,粒计算,一粒,集成分类器,评分表,决策类,分类性能
AB值：
0.22213
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
