盐城工学院学报（自然科学版）
鹽城工學院學報（自然科學版）
염성공학원학보（자연과학판）
JOURNAL OF YANCHENG INSTITUTE OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2014年
4期
47-54
,共8页
郑周%嵇春梅%赵斌%刘解放
鄭週%嵇春梅%趙斌%劉解放
정주%혜춘매%조빈%류해방
粗糙集%增强学习%属性约简%离散化%特征选择
粗糙集%增彊學習%屬性約簡%離散化%特徵選擇
조조집%증강학습%속성약간%리산화%특정선택
为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器.采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简.对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度.为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度.实验结果表明,该分类器能达到98％的精确度,与其它分类器相比,表现出较好的性能.
為瞭提高分類的精確度,提齣一種基于粗糙集理論的增彊學習型分類器.採用分割算法對訓練數據集中連續的屬性進行離散處理;利用粗糙集理論穫取約簡集,從中選擇一箇能提供最高分類精確度的約簡.對于不同的測試數據,由于離散屬性值的變化,相同的約簡可能達不到最高的分類精確度.為剋服此問題,改進瞭Q學習算法,使其全麵繫統地解決離散化和特徵選擇問題,因此不同的屬性可以學習到最佳的分割值,使相應的約簡產生最大分類精確度.實驗結果錶明,該分類器能達到98％的精確度,與其它分類器相比,錶現齣較好的性能.
위료제고분류적정학도,제출일충기우조조집이론적증강학습형분류기.채용분할산법대훈련수거집중련속적속성진행리산처리;이용조조집이론획취약간집,종중선택일개능제공최고분류정학도적약간.대우불동적측시수거,유우리산속성치적변화,상동적약간가능체불도최고적분류정학도.위극복차문제,개진료Q학습산법,사기전면계통지해결리산화화특정선택문제,인차불동적속성가이학습도최가적분할치,사상응적약간산생최대분류정학도.실험결과표명,해분류기능체도98％적정학도,여기타분류기상비,표현출교호적성능.
