混合粗糙集理論的非布爾屬性集覆蓋機.pdf

1、近年來，分類器的研究是機器學習的一個熱點問題。大量研究表明如今的分類器大都分類精確但很難理解。 MarioMarchand和JohnShawe—Taylor在2002年提出了集覆蓋機（Thesetcoveringmachine，SCM）理論。它是作為支持向量機的替代算法提出來的，其目的是獲得一個具有良好泛化性能的分類器。SCM理論提供了控制準確性和復雜度之間恰當?shù)臋?quán)衡，對于任意由數(shù)據(jù)構(gòu)造的布爾屬性的特征集，SCM均能實現(xiàn)對其目標

2、函數(shù)屬性的析取或合取。集覆蓋算法表現(xiàn)出和其它學習機器一樣的有效性并且在某些方面還優(yōu)于那些學習機器。但是由于許多信息系統(tǒng)的屬性集合都是非布爾量的，因此這種算法不能作為處理一般的實際學習任務而直接使用。 本文為了推廣集覆蓋機的應用，提出了將非布爾屬性改為布爾屬性的一種方法，并對集覆蓋機算法做了改進。將原本僅能處理布爾屬性的集覆蓋機算法拓展到了可以處理條件屬性的取值為非布爾值的情況，同時還拓展到可以處理決策屬性的取值為非布爾值，即多類