基于粗糙集理论的协同训练算法

• 作者: 岳晓冬 盛小春
• 来源期刊: 计算机应用研究
• 关键词: 协同训练 属性约简 粗糙集 粗糙子空间 决策风险
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3546-3550
• 页数: 5页
• 分类号: TP182
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.12.007

摘要

为了提升风险决策环境下协同训练的效果,提出了一种基于粗糙子空间的协同决策算法.首先利用粗糙集属性约简的概念,将部分标记数据属性空间分解为两差异性较大的粗糙子空间;在各子空间上训练分类器,并依据各分类器决策风险代价及隶属度将无标记数据划分为可信、噪声和待定样本.综合两分类器的分类结果,标注少量可信无标记样本后重复协同训练.从理论上分析了算法性能提升的区间界,并在UCI数据集上进行实验,验证了模型的有效性及效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盛小春	江苏理工学院云计算与智能信息处理常州市重点实验室	2	7	1.0	2.0