控制与决策

作者：钟智昊,龙江,吴孟桐,郭阳明

单位：西北工业大学 软件学院，西安 710072,,西北工业大学 计算机学院，西安 710072,,西北工业大学 软件学院，西安 710072,,西北工业大学 网络空间安全学院，西安 710072,

关键词：扩展置信规则库;ReliefF算法;RReliefF算法;规则约减;激活因子

针对扩展置信规则库(EBRB)的规则冗余与激活规则一致性过低问题, 提出一种基于Relief算法框架的新型结构优化框架与激活因子的推理模型, 并应用于机器学习中的分类问题与回归问题. 首先, 基于Relief算法思想, 通过分析历史数据与其近邻的输入输出相关性, 赋予扩展置信规则不同的权重以识别关键规则, 并通过与近邻规则的融合实现规则约减; 然后, 在计算个体匹配度过程中引入激活因子, 通过离线优化策略确定激活因子取值, 以确保激活规则的一致性和有效性; 最后, 分别采用非线性函数与公共分类数据集对所提出方法与其他类型的EBRB模型在处理回归问题和分类问题时的表现进行对比, 结果验证了所提出模型的有效性和优越性.

来源：2025年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第5期