三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地...三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地划分边界域,提升分类性能。采用贝叶斯规则获取样本的条件概率;设定3个目标,包括降低边界域的不确定性、缩小边界域的大小以及减小整个决策区域的错误分类率,通过融入熵权法的TOPSIS(technique for order preference by similarity to an ideal solution)方法求取最优阈值,该方法采用熵权法计算这3个目标所占的权重,得到最优阈值,获得边界域,进行延迟决策;结合不同分类器对边界域进行分类。通过UCI数据集进行对比实验,根据分类准确率和F1值,表明该方法学习到的阈值能合理地划分边界域,建立的模型能取得更好的分类性能。展开更多
文摘三支决策将不确定样本划分至边界域进行延迟决策,但需基于损失函数确定阈值,以划分边界域,然而,损失函数通常需要先验知识,具有一定的主观性,因此对边界域划分能力不足。针对这种问题,构建一种多目标三支决策边界域求解方法,从而更好地划分边界域,提升分类性能。采用贝叶斯规则获取样本的条件概率;设定3个目标,包括降低边界域的不确定性、缩小边界域的大小以及减小整个决策区域的错误分类率,通过融入熵权法的TOPSIS(technique for order preference by similarity to an ideal solution)方法求取最优阈值,该方法采用熵权法计算这3个目标所占的权重,得到最优阈值,获得边界域,进行延迟决策;结合不同分类器对边界域进行分类。通过UCI数据集进行对比实验,根据分类准确率和F1值,表明该方法学习到的阈值能合理地划分边界域,建立的模型能取得更好的分类性能。
