不完整数据集的信息熵集成分类算法

• 作者: 吕靖 张以文 张燕平 赵姝
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 信息熵 不完整数据 集成学习 信息熵集成分类算法
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 193-198
• 页数: 6页
• 分类号: TP181
• 字数: 5307字
• 语种: 中文

摘要

集成方法是处理包含缺失属性数据集分类问题的一种简单有效的方法，但目前针对不完整数据的集成分类算法在衡量各子分类器的权重时只考虑对应的数据子集的维数和大小。考虑到不完整数据集的缺失属性对类别的贡献度，使用信息熵衡量缺失属性之间的差异，提出一种新的针对不完整数据的集成学习分类算法---信息熵集成分类算法( EECA)。应用以BP神经网络为基础分类器的集成分类器在UCI数据集上进行实验。实验结果表明， EECA比简单使用缺失属性的多少计算子分类器权重的方法更有效，最终结果准确度更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
2	赵姝	安徽大学计算机科学与技术学院	82	555	13.0	19.0
3	张以文	安徽大学计算机科学与技术学院	45	260	9.0	14.0
4	吕靖	安徽大学计算机科学与技术学院	2	15	2.0	2.0