一种基于改进加权粗糙集的多模型软测量建模方法

摘要：

根据多模型可以改善模型估计精度，提高泛化性的思想，提出了一种基于改进加权粗糙集的多模型软测量建模方法。加权粗糙集可以有效的处理不平衡数据的分类问题，但是传统的样本权重选择方法缺乏整体考虑，容易引起分类器整体精度的下降。本文通过向加权粗糙集引入类别权重，得到了一种基于最小风险贝叶斯决策理论的加权粗糙集决策算法，并利用AdaboostM2算法寻优样本权重及类别权重。通过上述方法构建的最小风险加权粗糙集分类器，有效的提高了分类精度，从而保证了各个子模型的可靠性。

关键词： 加权粗糙集 AdaBoostM2 支持向量机 软测量 多模型建模

作者: 陈定三 杨慧中

作者单位: 江南大学通信与控制工程学院 江苏 无锡 214122

会议类型: 国内会议

会议名称: 2009中国过程系统工程年会(PSE)暨2009中国MES年会

会议地点: 杭州

会议语种:中文

页码: 1-6

在线出版日期: 2009-09-22（万方平台首次上网日期，不代表论文的发表时间）