基于改进置信规则库推理的分类方法

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,提出基于置信规则库推理的分类方法.比较于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.在对三个常用的公共分类数据集进行测试时,均获得理想的分类准确率,表明新分类方法合理有效.