决策粗糙集与代价敏感分类

摘要：

将决策粗糙集与代价敏感学习相结合,提出了一种基于决策粗糙集的代价敏感分类方法.依据决策粗糙集理论和属性约简方法,对待预测样本分别计算最优测试属性集,使得样本在最优测试属性集上计算的分类结果具有最小误分类代价及测试代价,依此给出样本的最小总代价分类结果.针对全局最优测试属性集求解过程中计算复杂度高的问题,提出局部最优测试属性集的启发式搜索算法.该算法以单个属性对降低总分类代价的贡献率为启发函数,搜索各样本的局部最优测试属性集,并输出局部最优测试属性集上的样本的代价敏感分类结果.在UCI数据上的实验分析显示,文中提出的算法有效地降低了分类结果的总代价以及测试属性个数,使得样本分类结果同时具有较小的误分类代价和较小的测试代价.

关键词： Decision-theoretic rough set Cost-sensitive Attribute reduction Misclassification cost Test cost

作者: 李华雄 周献中 黄兵 赵佳宝

作者单位: 南京大学工程管理学院 南京210093;南京大学计算机软件新技术国家重点实验室 南京210093 南京大学工程管理学院 南京210093 南京审计学院信息科学学院 南京211815

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 31-31

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）