文件名称：论文研究-基于CCS优化的FDT集成分类算法研究.pdf
文件大小：658KB
文件格式：PDF
更新时间：2022-09-30 10:33:34
论文研究
模糊决策树在数据模糊化时，需要确定每个数量型属性的模糊语言项个数。另一方面，集成分类算法已成为提高模型准确率和稳定性的有效策略。提出了一种基于混沌布谷鸟（CCS）优化的FDT集成分类算法，首先用CCS算法确定数量型属性的模糊语言项个数，再通过bootstrap抽样生成FDT集成模型，最后采用OOB误差加权投票机制得到分类结果。通过4组UCI数据集验证，与其他分类算法对比，证明了该方法在分类精度上有明显的提升；同时，在处理缺失数据时，仍有较高的分类能力。