论文部分内容阅读
为将粗糙集理论与集成学习进行有效的结合,提高多分类器集成的分类性能,提出一种结合粗糙集的多分类器集成学习算法。根据粗糙集理论,将样本划分为正区域和边界域两部分,在此基础上进行样本抽样;抽样过程中,确保抽样的每个数据集都包括边界域内的所有样本。在UCI数据集上的实验结果表明,相比一些经典的集成算法,该算法在Precision、Recall等多个指标上提高了对数据分类的准确度。