Dempster-Shafer证据理论驱动的邻域粗糙分类方法 |
| |
作者姓名: | 鞠恒荣 丁卫平 尹涛 范哲 刘久兵 |
| |
作者单位: | 南通大学信息科学技术学院,江苏南通 226019;南通大学经济与管理学院,江苏南通 226019;汕头大学 商学院,广东 汕头 515063 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省双创博士计划;江苏省高等学校自然科学研究项目;江苏省自然科学基金;江苏省"六大人才高峰"高层次人才项目;江苏省"青蓝工程"项目;南通市科技计划 |
| |
摘 要: | 为了进一步改进邻域分类器的分类机制,提升分类性能,提出Dempster-Shafer(D-S)证据理论驱动的邻域粗糙分类方法.首先,采用邻域决策错误率作为属性重要性的指标研究基于邻域决策错误率的属性约简方法,通过删除冗余属性,为分类学习提供重要的属性集合;其次,改变传统多数投票机制,将D-S证据理论引入邻域样本的信息融...
|
关 键 词: | 邻域决策错误率 Dempster-Shafer证据理论 属性约简 粗糙集 分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|