10.3969/j.issn.1000-1220.2005.07.020
基于PSO改进决策树算法的研究
决策树方法是发现概念描述空间的一种特别有效的方法,是实例学习中具有代表性的学习方法,专门用于处理大量对象.如何快速建立简单可靠的决策树是一个重要的问题.文章引入PSO算法,并针对标准PSO算法易限于局部极小点的局限性,在保持了PSO算法结构简单可行特点的同时,利用惩罚函数方法,引入叉乘控制项,帮助算法摆脱局部极小点的束缚,提高了优化速度.将改进的PSO引入到决策树建树方法中,并与传统的决策树方法及使用遗传算法改进后的树进行比较,验证了其优越性.
决策树、粒子群、优化
26
TP18;TP301.6(自动化基础理论)
2005-09-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
1206-1210