基于证据理论的知识发现分类算法 |
| |
引用本文: | 李芳,韩元杰.基于证据理论的知识发现分类算法[J].桂林电子工业学院学报,2004,24(3):27-31. |
| |
作者姓名: | 李芳 韩元杰 |
| |
摘 要: | 决策树方法是一种重要的可完成分类任务的知识发现技术,目的是通过构造一个分类模型,把数据库中的元组映射到给定类别中的某一个。决策树分类算法效率高且应用广泛,但是不能处理在决策树的构建和分类过程中的不确定数据。针对决策树分类算法的局限,利用证据理论是对概率论的扩展,将置信函数与概率的上下值相联系,可用于不确定数据的表达这个有力工具,把决策树分类技术扩展到含有不确定数据的环境中,提出了D-S决策树分类算法。实验结果表明D-S决策树分类算法能有效的对不确定数据进行分类。
|
关 键 词: | 知识发现 决策树 证据理论 信息熵 不确定数据 |
本文献已被 维普 等数据库收录! |
|