平均1-依赖决策树集成算法

• 作者: 吴科主 周传华 王清 赵保华
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 集成学习 多任务学习 决策树学习算法 平均1-依赖贝叶斯分类器
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 科研通信
• 页码范围: 434-438
• 页数: 5页
• 分类号: TP391.4
• 字数: 4497字
• 语种: 中文

摘要

基于平均1-依赖贝叶斯分类器(AODE)算法的思想,提出了平均1-依赖决策树集成算法(AODT),该算法通过使用每个输入属性和类别属性共同建立集成学习中的个体决策树分类器.同时,我们从多任务学习的角度探讨了AODE和AODT算法的工作原理.通过在Weka平台上使用40个UCI数据集的实验结果表明,该算法可以显著提高决策树学习算法的分类性能,并且具有很好的抗噪声性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵保华	中国科学技术大学计算机科学与技术学院	152	1481	21.0	28.0
2	王清	安徽工业大学管理科学与工程学院	6	68	3.0	6.0
4	周传华	安徽工业大学管理科学与工程学院	23	104	6.0	9.0
10	吴科主	安徽工业大学管理科学与工程学院	3	15	2.0	3.0