基于VPRS多变量决策树优化算法

摘要：

噪声数据降低了多变量决策树的生成效率和模型质量,目前主要采用针对叶节点的剪枝策略来消除噪声数据的影响,而对决策树生成过程中的噪声干扰问题却没有给予关注.为改变这种状况,将基本粗糙集(rough set,RS)理论中相对核的概念推广到变精度粗糙集(variable precision rough set,VPRS)理论中,并利用其进行决策树初始变量选择;将两个等价关系相对泛化的概念推广为两个等价关系多数包含情况下的相对泛化,并利用其进行决策树初始属性检验;进而给出一种能够有效消除噪声数据干扰的多变量决策树构造算法.最后,采用实例验证了算法的有效性.

关键词：单变量决策树、多变量决策树、噪声数据、变精度粗糙集、相对核

所属期刊栏目：19

分类号：TP3;TP1

资助基金：国家自然科学基金70971059;辽宁省创新团队项目2009T045;辽宁省科技攻关项目2007308003

在线出版日期：2011-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：126-130