基于CCS优化的FDT集成分类算法研究

• 作者: 汪良楠 肖迪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模糊决策树 集成分类 混沌布谷鸟算法 投票机制 分类精度
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 127-131,210
• 页数: 6页
• 分类号: TP391
• 字数: 4307字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0367

摘要

模糊决策树在数据模糊化时,需要确定每个数量型属性的模糊语言项个数.另一方面,集成分类算法已成为提高模型准确率和稳定性的有效策略.提出了一种基于混沌布谷鸟(CCS)优化的FDT集成分类算法,首先用CCS算法确定数量型属性的模糊语言项个数,再通过bootstrap抽样生成FDT集成模型,最后采用OOB误差加权投票机制得到分类结果.通过4组UCI数据集验证,与其他分类算法对比,证明了该方法在分类精度上有明显的提升;同时,在处理缺失数据时,仍有较高的分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖迪	南京工业大学电气工程与控制科学学院	26	627	7.0	25.0
2	汪良楠	南京工业大学电气工程与控制科学学院	1	2	1.0	1.0