利用差别矩阵构造决策树

被引：2

作者：

高静 ^{[1
]}

韩智东 ^{[2
]}

机构：

[1] 首都经济贸易大学信息学院

[2] 中国银联北京信息中心

来源：

计算机工程与应用 | 2011年 / 47卷 / 33期

关键词：

决策树; 粗糙集; 正区域; 粗糙边界; 依赖度; 差别矩阵;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,证明了这三种属性选择标准彼此等价。以正区域的属性选择标准为代表,分析了基于正区域的决策树生成算法的优点和不足。针对这些不足,提出基于差别元素的大小为新的属性选择标准。用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力。用一实例说明了新的属性选择标准的优越性。

引用

收藏

页码：18 / 21

页数：4

相关论文

共 14 条

[1] 一种改进的基于正区域的决策树算法 [J].

高静 ;

杨炳儒 ;

徐章艳 ;

宋威 .

计算机科学, 2008, (05) :138-142

[2] 一种基于类别特征矩阵的决策树算法 [J].

田原 ;

柳炳祥 ;

李海林 .

计算机工程与应用 , 2007, (36) :166-168

[3] 一个复杂度为max(O(|C||U|),O(|C||U/C|))的快速属性约简算法 [J].

徐章艳 ;

刘作鹏 ;

杨炳儒 ;

宋威 .

计算机学报, 2006, (03) :391-399

[4] 基于粗集理论的新决策树剪枝方法 [J].

王名扬 ;

卫金茂 ;

伊卫国 .

东北师大学报(自然科学版), 2005, (03) :28-32

[5] 一种基于粗糙集的决策树生成算法 [J].

赵翔 ;

向一丹 ;

刘同明 ;

祁云嵩 .

华东船舶工业学院学报(自然科学版), 2005, (04) :73-76

[6] 基于粗糙集理论的决策树构造算法 [J].

常志玲 ;

周庆敏 ;

杨清莲 .

南京工业大学学报(自然科学版), 2005, (04) :80-83

[7] 基于属性重要性的决策树规则提取算法 [J].

管红波 ;

田大钢 .

系统工程与电子技术, 2004, (03) :334-337+377

[8] 基于Rough Set的最简决策树确定算法的研究 [J].

朱红 .

计算机工程与应用, 2003, (13) :129-131

[9] 决策树的优化算法 [J].

刘小虎 ;

李生 .

软件学报, 1998, (10) :78-81

[10] 一种新的决策树归纳学习算法 [J].

洪家荣 ;

丁明峰 ;

李星原 ;

王丽薇 .

计算机学报, 1995, (06) :470-474