一种基于改进加权粗糙集的多模型软测量建模方法

摘要

根据多模型可以改善模型估计精度,提高泛化性的思想,提出一种基于改进加权粗糙集的多模型软测量建模方法.加权粗糙集可以有效地处理不平衡数据的分类问题,但是传统的样本权重选择方法缺乏整体考虑,容易引起分类器整体精度的下降.通过向加权粗糙集引入类别权重,得到了一种基于最小风险贝叶斯决策理论的加权粗糙集决策算法,并利用AdaBoostM2算法寻优样本权重及类别权重.通过上述方法构建的最小风险加权粗糙集分类器,有效地提高了分类精度,从而保证了各个子模型的可靠性.