增量式的多变量决策树构造算法研究

摘要：

针对增量数据集,结合粗糙集理论和多变量决策树的优点,给出了增量式的多变量决策树构造算法.该算法针对新增样本与已有规则集产生矛盾,即条件属性相匹配,而决策属性不匹配的情况,计算条件属性相对于决策属性的核,如果核不为空,则计算核相对于决策属性的相对泛化,根据不同的结果形成不同的子集,最终形成不同的决策树分支.该算法很好地避免了在处理增量数据集时,不断重构决策树.实例证明该算法的正确性,对处理小增量数据集具有良好的性能.

关键词：增量式学习、多变量决策树、粗糙集、相对泛化

所属期刊栏目：21

分类号：TP18(自动化基础理论)

资助基金：河南省自然科学研究计划项目2010A520030

在线出版日期：2011-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：90-93