一种基于决策粗糙集的两步分类算法

摘要

本文介绍了粗糙集和决策粗糙集理论，提出一种基于决策粗糙集理论的两步信息过滤算法，相比原始的此类算法，该算法缩小了负域范围，采取两步策略进行分类，当发现新样本和未知样本时，能确保它是否属于负域，从而尽量减少将不属于负域的样本划分到负域，降低了分类错误和损耗。与传统朴素贝叶斯方法和一般决策粗糙集理论算法比较结果证明，本文提出的基于决策糙集的两步信息过滤算法，可以提高分类精度和降低分类损耗。