粗糙集预测算法的稳定性分析 |
| |
引用本文: | 张晓霞,陈德刚.粗糙集预测算法的稳定性分析[J].西北师范大学学报,2018(3). |
| |
作者姓名: | 张晓霞 陈德刚 |
| |
作者单位: | 华北电力大学控制与计算机工程学院;华北电力大学数理学院 |
| |
摘 要: | 粗糙集预测旨在从决策信息系统中学习规则从而预测新样本的标签.文中利用置信度刻画规则的可信程度,从而设计基于粗糙集的置信度预测算法,称为置信度算法.该算法可以对新样本分配与其匹配之后置信度最高的标签.泛化误差作为衡量算法有效性的指标之一,对其界的估计一直是构造学习模型的基础.利用算法稳定性概念刻画了置信度算法的泛化界,结果表明泛化能力由样本个数以及稳定性参数决定:样本数目越大,规则数目越多且稳定性参数越小;泛化误差界越小,经验误差越逼近泛化误差.
|
本文献已被 CNKI 等数据库收录! |
|