摘要

三支决策(Three-WayDecision, 3WD)作为一种新的粒计算方法,在处理不确定和不精确问题上具有独特的优势。针对标签传播算法(Label Propagation Algorithm, LPA)在节点更新过程中存在的较高随机不确定性和冗余性问题,提出了基于三支决策的增量标签传播算法(3WDILPA)。首先,给出了邻接模糊信息测度的概念和计算方法,并用于生成任意两节点间的概率转移矩阵。然后,将三支决策融入节点的动态更新过程,并把迭代更新后准确率最高的节点逐步增量添加到下一循环过程,直至收敛。此外,给出了3WDILPA算法的详细流程。最后,在ABIDE数据集上进行孤独症(Autistic Spectrum Disorder, ASD)识别实验,与传统机器学习、深度学习和迁移学习等方法的对比结果表明,所提方法具有更高的准确率。