动态ER Rule分类器构建与应用

基于证据推理规则(ER Rule)的分类器为带有不确定性的数据分类问题提供了一种新的有效解决方案,属性参考值数量能较大程度上影响分类的准确率和复杂性,而目前针对先验知识较匮乏时如何合理确定参考值数量的研究较少.为此,本文提出了一种动态ER Rule分类器.首先,以最小化均方误差为优化目标,通过智能优化算法获取动态ER Rule分类器的最优参考值和权重;然后,以最大化测试集准确率为目标,通过多次随机实验获取参考值数量最优值;在此基础上,给出了基于PSO的动态ER Rule分类器实现方式.以5个UCI基准数据集为例,说明了本文所提动态ER Rule分类器的有效性和稳定性;并通过遥感图像蓝藻水华识别问题,验证了动态ER Rule分类器在实际应用中的可行性.结果表明,动态ER Rule分类器在保证分类准确率的同时,为确定属性参考值数量提供了一种客观的方法,对ER Rule在其他领域的推广应用具有一定参考意义.