论文部分内容阅读
将构造性覆盖算法(CCA)引入三支决策理论中，为现有的三支决策理论中边界域样本处理问题提供了新的思路。该方法在学习过程中根据样本的物理分布特征，自动产生正域、负域和边界域。本文重点讨论了基于CCA的三支决策的边界域样本处理问题。对边界域样本处理提出了两种决策方案，一种为处理全部的边界域样本，给出了基于覆盖中心距离、覆盖边界距离、万有引力三种方法；另一种为处理部分的边界域样本，即只对满足一定条件的边界域样本做进一步的划分，这样使不满足条件的边界域样本仍保留在边界域，提高了边界域样本处理的正确率。本文用十交叉法在五组数据集上对这两种决策方案做了对比，实验结果表明，部分处理边界域样本时正确率更高，效果更好。