基于快速超粒方生成算法的分类器模型

摘要

在空间划分时粒球计算方法存在半径敏感性、覆盖盲区与区域重叠缺陷等问题,本文提出基于n维超长方体的信息粒化方法。突破传统球形结构约束,采用n维超长方体几何模型,建立无盲区、无重叠的空间划分理论体系,提出快速超粒方生成(fast granular hypercube generation, FGHG)算法,通过维度自适应分割机制实现高效空间划分,与传统粒球生成算法相比,FGHG算法在计算效率方面具有显著优势,设计快速超粒方分类器(fast granular hypercube classifier, FGHC)。为验证所提算法的有效性,选取13个真实数据集评估,FGHC算法的分类精度和F1分数均较高。本文建立的超粒方计算范式,为解决复杂数据空间划分问题提供新的理论框架。

关键词

粒计算 / 超粒方 / 信息粒化 / 分类器 / 粒球计算