期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于粗糙度的近似概念格动态分类集成学习模型研究与应用 被引量:1
1
作者 丁卫平 王建东 +2 位作者 朱浩 管致锦 施佺 《计算机科学》 CSCD 北大核心 2010年第7期174-178,232,共6页
概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响。将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR)。该模型在粗糙度区... 概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响。将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR)。该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模,融合得到的分类挖掘集成学习模型,具有较好的粗糙分类精度和知识预测学习能力。最后进行CACLR分类集成学习模型在标准UCI数据集中的对比实验,有效验证了该模型的实用价值。 展开更多
关键词 粗糙度 近似概念格 集成学习 分类挖掘
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部