基于误差和可变代价的最优属性子集选择方法

作     者：廖淑娇 LIAO Shu-jiao

作者机构：闽南师范大学数学与统计学院福建漳州363000 

基　　金：国家自然科学基金项目(61379021) 

出 版 物：《闽南师范大学学报（自然科学版）》 (Journal of Minnan Normal University：Natural Science)

年 卷 期：2015年第28卷第3期

页      码：21-30页

摘      要：代价是现实数据的重要方面.数据的测试代价与数据的误差范围,即数据的粒度紧密相关,而误分类代价又跟测试代价有关,已有的属性选择方法往往忽视了这一点.为了处理这种情况,提出了一种基于误差范围和可变代价的最优属性子集选择方法.首先建立了该方法的理论框架,再设计了相应算法.在该方法中,测试代价和误分类代价根据不同的误差置信水平自适应地生成.再以最小化平均总代价为目标进行属性选择,从而得到最优的属性子集和误差置信水平.实验结果验证了所提方法的有效性.

主 题 词：粗糙集 动态 代价敏感 属性选择 误差范围 可变代价 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16007/j.cnki.issn2095-7122.2015.03.005

馆 藏 号：203151312...