| 采用重复剪辑近邻法提高决策树算法的性能 |
| |
| 引用本文： | 叶晨洲,杨 杰,姚莉秀,陈念贻. 采用重复剪辑近邻法提高决策树算法的性能[J]. 控制与决策, 2003, 18(1): 96-98 |
| |
| 作者姓名： | 叶晨洲 杨 杰 姚莉秀 陈念贻 |
| |
| 作者单位： | 上海交通大学,图象处理及模式识别研究所,上海,200030 |
| |
| 基金项目： | 国家 8 6 3高技术计划基金资助项目 (86 3- 5 11- 945 - 0 0 5 ,86 3- 30 6 -ZD13- 0 5 - 6 ) |
| |
| 摘 要： | 决策树算法易受训练样本集中噪声和混杂区域的影响，重复剪辑近邻法能消除样本集中符合某些先决条件的噪声，清除混杂区域中后验概率较小的类别所包含的样本，并在各类样本间形成符合Bayes分类准则的界线，用它对合适的训练样本集进行筛选，可在不损害分类准确率的同时明显地减小决策树的规模，有助于增强决策树的可理解性和可用性，从而提高决策树的性能。
|
| 关 键 词： | 重复剪辑近邻法 决策树算法 性能 数据挖掘 样本筛选 模式识别 |
| 文章编号： | 1001-0920(2003)01-0096-03 |
Improving performance of decision trees with multi-edit-nearest-neighbor algorithm |
| |
| YE Chen-zhou,YANG Jie,YAO Li-xiu,CHEN Nian-yi. Improving performance of decision trees with multi-edit-nearest-neighbor algorithm[J]. Control and Decision, 2003, 18(1): 96-98 |
| |
| Authors: | YE Chen-zhou YANG Jie YAO Li-xiu CHEN Nian-yi |
| |
| Abstract: | |
| |
| Keywords: | Data mining Decision tree Multi-edit-nearest-neighbor algorithm Sample selection |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
