基于优势粗糙集的属性选择与集成分类方法设计

摘要

粗糙集理论是一种处理不确定信息的有效工具,利用其可在无任何先验信息下获取属性约简子集。本文采用优势粗糙集理论中的排列互信息和最大相关最小冗余相融合技术进行属性子集选取,在每个属性子集上对五种决策树进行训练并作为基础分类器,并按照投票机制融合个体分类器的输出得到最终决策结果。在实际数据集上的实验表明,基于排列互信息和最大相关最小冗余方法得到属性子集能够反映数据本质信息,使得分类算法有较好的准确率。同时,与单个决策树的分类结果相比,融合决策树具有较好的分类效果。