|
| 基于粗糙集的增强学习型分类器 |
| Reinforcement Learning Classifier Based on Rough Set |
| |
| DOI： |
| 中文关键词: 粗糙集 增强学习 属性约简 离散化 特征选择 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 3647 |
| 全文下载次数: 3724 |
| 中文摘要: |
| 为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器.采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简.对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度.为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度.实验结果表明,该分类器能达到98％的精确度,与其它分类器相比,表现出较好的性能. |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|