基于改进置信规则库推理的分类方法

• 作者: 傅仰耿 叶青青 杨隆浩 陈晓聪
• 来源期刊: 计算机科学与探索
• 关键词: 置信规则库 基于证据推理的置信规则库推理方法(RIMER) 参数学习 分类方法
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 709-721
• 页数: 13页
• 字数: 8685字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1507068

摘要

通过引入置信规则库的线性组合方式，设定规则数等于分类数及改进个体匹配度的计算方法，提出了基于置信规则库推理的分类方法。比较传统的置信规则库推理方法，新方法中规则数的设置不依赖于问题的前件属性数量或候选值数量，仅与问题的分类数有关，保证了方法对于复杂问题的适用性。实验中，通过差分进化算法对置信规则库的规则权重、前件属性权重、属性候选值和评价等级的置信度进行参数学习，得到最优的参数组合。对3个常用的公共分类数据集进行测试，均获得理想的分类准确率，表明新分类方法合理有效。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅仰耿	福州大学数学与计算机科学学院	38	169	7.0	11.0
2	杨隆浩	福州大学经济与管理学院	19	80	6.0	7.0
3	叶青青	福州大学数学与计算机科学学院	1	2	1.0	1.0
4	陈晓聪	福州大学数学与计算机科学学院	1	2	1.0	1.0