使用遗传算法优化 HIV 数据分析的粗糙集划分大小
神经与进化计算
2007-06-25 v1 人工智能
定量方法
摘要
在本文中，我们提出了一种优化粗糙集划分大小的方法，并在 HIV 数据上执行规则提取。遗传算法优化技术用于确定粗糙集的划分大小，以最大化粗糙集的预测准确率。所提出的方法在从南非产前调查获得的个体人口统计学属性集上进行了测试。分析中使用了六个人口统计学变量，这些变量为：种族、母亲年龄、教育程度、孕次、产次和父亲年龄，其结果或决策为 HIV 阳性或阴性。选择粗糙集理论是基于其易于解释提取出的规则。等宽分箱划分的预测准确率为 57.7%，而优化划分后达到的准确率为 72.8%。还使用了几种其他方法来分析 HIV 数据，并陈述了它们的结果与粗糙集理论 (RST) 的结果进行了比较。
引用
@article{arxiv.0705.2485,
title = {Using Genetic Algorithms to Optimise Rough Set Partition Sizes for HIV Data Analysis},
author = {Bodie Crossingham and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:0705.2485},
year = {2007}
}
评论
10 pages, 1 figure, Update Bibliography