It is difficult for many classic classification methods to consider expert experience and classify small-sample datasets well. The evidential reasoning rule (ER rule) classifier can solve these problems. The ER rule has strong processing and comprehensive analysis abilities for diversified mixed information and can solve problems with expert experience effectively. Moreover, the initial parameters of the classifier constructed based on the ER rule can be set according to empirical knowledge instead of being trained by a large number of samples, which can help the classifier classify small-sample datasets well. However, the initial parameters of the ER rule classifier need to be optimized, and choosing the best optimization algorithm is still a challenge. Considering these problems, the ER rule classifier with an optimization operator recommendation is proposed in this paper. First, the initial ER rule classifier is constructed based on training samples and expert experience. Second, the adjustable parameters are optimized, in which the optimization operator recommendation strategy is applied to select the best algorithm by partial samples, and then experiments with full samples are carried out. Finally, a case study on a turbofan engine degradation simulation dataset is carried out, and the results indicate that the ER rule classifier has a higher classification accuracy than other classic classifiers, which demonstrates the capability and effectiveness of the proposed ER rule classifier with an optimization operator recommendation.

中文翻译：

---

带有优化算子推荐的 ER 规则分类器

许多经典的分类方法很难考虑专家经验，对小样本数据集进行很好的分类。证据推理规则（ER规则）分类器可以解决这些问题。ER规则对多样化的混合信息具有较强的处理能力和综合分析能力，能有效解决具有专家经验的问题。而且，基于ER规则构建的分类器的初始参数可以根据经验知识设置，而不是通过大量样本进行训练，这有助于分类器对小样本数据集进行很好的分类。然而，ER规则分类器的初始参数需要优化，选择最佳优化算法仍然是一个挑战。考虑到这些问题，本文提出了具有优化算子推荐的ER规则分类器。首先，根据训练样本和专家经验构建初始ER规则分类器。其次，对可调参数进行优化，其中应用优化算子推荐策略，通过部分样本选择最佳算法，然后进行全样本实验。最后，在涡扇发动机退化模拟数据集上进行了案例研究，结果表明ER规则分类器比其他经典分类器具有更高的分类精度，这证明了所提出的ER规则分类器在优化后的能力和有效性。运营商推荐。初始 ER 规则分类器是根据训练样本和专家经验构建的。其次，对可调参数进行优化，其中应用优化算子推荐策略，通过部分样本选择最佳算法，然后进行全样本实验。最后，在涡扇发动机退化模拟数据集上进行了案例研究，结果表明ER规则分类器比其他经典分类器具有更高的分类精度，这证明了所提出的ER规则分类器在优化后的能力和有效性。运营商推荐。初始 ER 规则分类器是根据训练样本和专家经验构建的。其次，对可调参数进行优化，其中应用优化算子推荐策略，通过部分样本选择最佳算法，然后进行全样本实验。最后，在涡扇发动机退化模拟数据集上进行了案例研究，结果表明ER规则分类器比其他经典分类器具有更高的分类精度，这证明了所提出的ER规则分类器在优化后的能力和有效性。运营商推荐。其中应用优化算子推荐策略，通过部分样本选择最佳算法，然后进行全样本实验。最后，在涡扇发动机退化模拟数据集上进行了案例研究，结果表明ER规则分类器比其他经典分类器具有更高的分类精度，这证明了所提出的ER规则分类器在优化后的能力和有效性。运营商推荐。其中应用优化算子推荐策略，通过部分样本选择最佳算法，然后进行全样本实验。最后，在涡扇发动机退化模拟数据集上进行了案例研究，结果表明ER规则分类器比其他经典分类器具有更高的分类精度，这证明了所提出的ER规则分类器在优化后的能力和有效性。运营商推荐。