科研之友
微信
新浪微博
Facebook
分享链接
摘要
在大数据环境下的分类学习中，随着描述样本语义信息的丰富，数据的类别空间结构存在着层次化。然而，现有分层分类算法缺乏可解释性，为此本文提出了一种基于邻域覆盖约简的层次化规则学习算法。该算法框架主要包括：（1）定义了面向层次化结构数据的邻域覆盖约简模型；（2）定义了层次邻域系统中覆盖元的依赖度；（3）提出了一种基于覆盖元依赖度的层次化规则学习前向搜索算法。最后，实验表明本文所提算法的分类性能较优且具有较好的可解释性。
-
单位闽南师范大学
