基于广义罚函数可行性准则的DE算法对不确定数据的处理

王凯光^1,2，高岳林^1,2，刘航宇¹，周敏¹

1. 北方民族大学数学与信息科学学院2. 北方民族大学宁夏智能信息与大数据处理重点实验室

摘 要：针对不确定数据集成效率低的问题,构造基于区域分割的广义罚函数可行性准则,分析了分割搜索区域的迭代点特征和可行性准则的性质与优势,据此提出一种基于广义罚函数可行性准则改进的DE算法（DE-GPFFC算法）.机器学习数据集UCI中不确定数据集的数值结果显示:不确定数据集中最优可行点趋向概率0.5分布,其他数据点趋向概率0,1分布,其中趋向于概率0.5分布的数据点位于可行域int（D）,其他数据点位于非可行域out（D）. DE-GPFFC算法使得不确定数据集在可行域边界Round（D）进行跨区域搜索,有效提高了不确定数据分类集成效率.

关键词：不确定数据;广义罚函数;可行性准则;DE-GPFFC算法;UCI数据;