DTU-PU:针对不确定数据 PU 学习的决策树

• 作者: 刘明建 张星 张阳 王勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 只有正例样本和未标注样本(PU)学习 不确定 决策树
• 年，卷（期）: 2013,（9）
• 页码范围: 127-133
• 分类号: TP301.6
• 字数: 6750字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1109-0477

摘要

不确定数据的 PU 学习在现实世界的许多应用中,如在传感器网络、市场分析和医学诊断等领域普遍存在,提出了针对不确定数据 PU 学习的决策树算法.基于 POSC45中信息增益的计算方法,引入 UDT 中处理连续属性的不确定数据时用到的不确定数据区间及概率分布函数的概念,提出了一种能处理连续属性的不确定数据 PU 学习的决策树算法DTU-PU(Decision Tree for Uncertain data with PU-learning).在 UCI 数据集上的实验表明,DTU-PU 具有较好的分类准确率和健壮性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	西北工业大学计算机学院	73	493	12.0	19.0
2	张阳	西北农林科技大学信息工程学院	47	232	6.0	13.0
3	张星	西北农林科技大学信息工程学院	2	5	2.0	2.0
4	刘明建	西北农林科技大学信息工程学院	2	7	2.0	2.0