ABLE中的决策树算法的模糊因子改进方法

• 作者: ZHONG Yan-fan 王会进 蔡建华 钟衍凡 龙舜
• 来源期刊: 暨南大学学报（自然科学与医学版）
• 学科: 工学
• 关键词: ABLE 机器学习 决策树 信息增益 模糊因子
• 年，卷（期）: 2008,（1）
• 页码范围: 39-42,53
• 页数: 5页
• 分类号: TP181|TP31
• 字数: 3334字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9965.2008.01.010

摘要

主体构建和学习环境(ABLE)是IBM开发的用于支持主体建模、构建多主体系统的框架.本文改进了ABLE的决策树算法,在其中计算属性的信息增益时加入一个模糊因子,使算法能更简单、有效地学习.在UCI数据集上的测试结果表明改进后的算法在不降低精度的前提下,可以生成更简洁的决策树,特别是处理复杂的数据时,可显著降低规则数目.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙舜	暨南大学计算机科学系	19	128	7.0	11.0
2	王会进	暨南大学计算机科学系	41	303	11.0	15.0
3	ZHONG Yan-fan	暨南大学计算机科学系	1	2	1.0	1.0
4	钟衍凡	暨南大学计算机科学系	1	2	1.0	1.0
5	蔡建华	暨南大学计算机科学系	2	3	1.0	1.0