高泛化能力的变精度粗糙集的决策树算法

• 作者: 徐章艳 李凡 王道平 高鹏
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 决策树 算法 变精度粗糙集 信息增益 不一致实例集
• 年，卷（期）: 2008,（8）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 74-77
• 页数: 4页
• 分类号: TP18
• 字数: 3586字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4512.2008.08.021

摘要

现有基于变精度粗糙集模型的决策树生成算法具有如下不足:有些叶子结点上覆盖的实例数太少,导致这些叶子结点的泛化能力太小而没有意义;不能很好地处理不一致的实例集.为解决上述问题,引入属性是否具有决策类这一概念,较好地避免了决策树的过剩生长,使得生成的决策树有较好的泛化能力.给出新的终止条件,即时地终止不一致实例集的生长.在此基础上,给出新的终止条,提出了一种新的基于变精度粗糙集的决策树生成算法.用一实例说明了新算法的效率得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐章艳	广西师范大学计算机系	120	1992	21.0	40.0
2	王道平	北京科技大学经济管理学院	169	2253	25.0	39.0
3	高鹏	北京科技大学经济管理学院	14	60	5.0	7.0
4	李凡	华中科技大学计算机科学与技术学院	98	1647	20.0	37.0