粗糙集预测算法的稳定性分析

作     者：张晓霞 陈德刚 ZHANG Xiao-xia;CHEN De-gang

作者机构：华北电力大学控制与计算机工程学院北京102206 华北电力大学数理学院北京102206 

基　　金：国家自然科学基金资助项目(71471060) 华北电力大学中央高校科研基金资助项目(2015xs71) 

出 版 物：《西北师范大学学报（自然科学版）》 (Journal of Northwest Normal University(Natural Science))

年 卷 期：2018年第54卷第3期

页      码：11-18页

摘      要：粗糙集预测旨在从决策信息系统中学习规则从而预测新样本的标签.文中利用置信度刻画规则的可信程度,从而设计基于粗糙集的置信度预测算法,称为置信度算法.该算法可以对新样本分配与其匹配之后置信度最高的标签.泛化误差作为衡量算法有效性的指标之一,对其界的估计一直是构造学习模型的基础.利用算法稳定性概念刻画了置信度算法的泛化界,结果表明泛化能力由样本个数以及稳定性参数决定:样本数目越大,规则数目越多且稳定性参数越小;泛化误差界越小,经验误差越逼近泛化误差.

主 题 词：粗糙集预测 置信度算法 泛化误差 经验误差 泛化界 

学科分类：07[理学] 070104[070104] 0701[理学-数学类] 

D　O　I：10.16783/j.cnki.nwnuz.2018.03.003

馆 藏 号：203288997...