基于粗糙集决策树优化研究

• 作者: 张玉红 胡学钢 郑锦良
• 来源期刊: 合肥工业大学学报（自然科学版）
• 学科: 工学
• 关键词: 决策树 多变量 粗糙集合
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 1833-1838
• 页数: 6页
• 分类号: TP181
• 字数: 4847字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5060.2009.12.011

摘要

决策树分类方法是一种有效的数据挖掘分类方法.单变量决策树结构简单,但规模较大.多变量决策树是为了进一步缩减树的规模而提出的决策树结构,通过选取属性的合理组合作为分裂属性,可使树的规模相对较小.文章在对以往所提出的混合变量决策树算法RSH2的抗噪性差和属性被多次选取等问题进行改进的基础上,提出了基于粗糙集的多变量决策树算法VPMDT.通过与ID3、HACRs、RSH2和C4.5等算法进行的实验比较表明,VPMDT有较好的时空性能,并保持较高的分类预测正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	张玉红	合肥工业大学计算机与信息学院	32	260	10.0	14.0
3	郑锦良	合肥工业大学计算机与信息学院	1	5	1.0	1.0