粗糙集预测算法的稳定性分析

• 作者: 张晓霞 陈德刚
• 来源期刊: 西北师范大学学报（自然科学版）
• 学科: 数学
• 关键词: 粗糙集预测 置信度算法 泛化误差 经验误差 泛化界
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 数学
• 页码范围: 11-18
• 页数: 8页
• 分类号: O159
• 字数: 5964字
• 语种: 中文
• DOI: 10.16783/j.cnki.nwnuz.2018.03.003

摘要

粗糙集预测旨在从决策信息系统中学习规则从而预测新样本的标签.文中利用置信度刻画规则的可信程度,从而设计基于粗糙集的置信度预测算法,称为置信度算法.该算法可以对新样本分配与其匹配之后置信度最高的标签.泛化误差作为衡量算法有效性的指标之一,对其界的估计一直是构造学习模型的基础.利用算法稳定性概念刻画了置信度算法的泛化界,结果表明泛化能力由样本个数以及稳定性参数决定:样本数目越大,规则数目越多且稳定性参数越小;泛化误差界越小,经验误差越逼近泛化误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德刚	华北电力大学数理学院	7	111	2.0	7.0
2	张晓霞	华北电力大学控制与计算机工程学院	3	6	2.0	2.0