基于粗糙集约简的特征选择神经网络集成技术

来源期刊：控制与决策2010年第3期

论文作者：张东波 黄辉先 王耀南

文章页码：371 - 377

关键词：粗糙集;约简;神经网络集成;特征选择;

摘    要：为了提升集成网络的泛化性能,在Boosting或Bagging算法对样本进行扰动的基础上,通过粗糙集约简实现特征属性选择,将样本扰动和输入属性扰动结合起来,提出了Rough_Boosting和Rough_Bagging算法.该算法通过生成精确度高且差异度大的个体网络,提高了集成的泛化能力.实验结果表明,该算法泛化能力明显优于Boosting和Bagging算法,且生成的个体网络差异度更大,与同类算法相比,具有相近或相当的性能.