基于CCS优化的FDT集成分类算法研究
来源：计算机工程与应用杂志2018年第5期北京时间：
作者：汪良楠，肖 迪
单位：南京工业大学 电气工程与控制科学学院，南京 211816
摘要：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。
关键词：模糊决策树,集成分类,混沌布谷鸟算法,投票机制,分类精度
