基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于决策树 C4.5的多示例学习算法 C4.5-MI,通过拓展 C4.5的熵函数和信息增益比来适应多示例学习框架.应用梯度提升方法对 C4.5-MI算法进行优化,得到效果更优的GDBT-MI算法.与同类决策树算法在benchmark数据集上进行比较,结果表明,C4.5-MI 和 GDBT-MI 算法具有更好的多示例分类效果.
推荐文章
基于集成学习的Adaboost演化决策树算法
决策树
演化算法
集成学习
基于粗糙集的决策树集成学习算法
集成学习
粗糙集
决策树
Bagging
Boosting
决策树学习算法ID3的研究
决策树学习
ID3算法
机器学习
信息赢取
基于交互信息的连续值属性决策树学习算法
经验概念学习
决策树
最小信息熵
交互信息
离散化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于决策树的多示例学习算法
来源期刊 郑州大学学报(理学版) 学科 工学
关键词 多示例学习 决策树 梯度提升 C4.5算法
年,卷(期) 2016,(1) 所属期刊栏目
研究方向 页码范围 81-84
页数 4页 分类号 TP181
字数 3251字 语种 中文
DOI 10.3969/j.issn.1671-6841.201507006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王杰 郑州大学电气工程学院 142 1137 17.0 27.0
2 高瑜 郑州大学信息工程学院 14 81 5.0 8.0
3 蔡良健 郑州大学电气工程学院 1 10 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (10)
同被引文献  (42)
二级引证文献  (7)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(6)
  • 引证文献(4)
  • 二级引证文献(2)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
多示例学习
决策树
梯度提升
C4.5算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
郑州大学学报(理学版)
季刊
1671-6841
41-1338/N
大16开
郑州市高新技术开发区科学大道100号
36-191
1962
chi
出版文献量(篇)
2278
总下载数(次)
0
总被引数(次)
9540
论文1v1指导