邻域决策错误率的局部约简方法研究

• 作者: 杨习贝 王平心 王长宝 窦慧莉 陈向坚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 属性约简 全局约简 启发式算法 局部约简 邻域粗糙集
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 95-99,122
• 页数: 6页
• 分类号: TP18
• 字数: 4610字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0109

摘要

传统基于邻域决策错误率的属性约简准则是针对总体分类精度的提升而设计的,未能展现因约简而引起的各类别精度变化情况.针对这一问题,引入局部邻域决策错误率以及局部属性约简的概念,其目的是提升单个类别的分类精度.在此基础上,进一步给出了求解局部邻域决策错误率约简的启发式算法.在8个UCI数据集上的实验结果表明,局部约简不仅是提高各个类别精度的有效技术手段,而且也解决了因全局约简所引起的局部分类精度下降问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	窦慧莉	江苏科技大学计算机科学与工程学院	21	64	4.0	7.0
2	杨习贝	江苏科技大学计算机科学与工程学院	86	555	13.0	20.0
6	王平心	江苏科技大学数理学院	40	47	4.0	5.0
7	王长宝	江苏科技大学计算机科学与工程学院	12	18	3.0	3.0
8	陈向坚	江苏科技大学计算机科学与工程学院	16	32	3.0	4.0