改进的ID3算法
摘要
ID3算法采用自顶向下贪婪搜索遍历可能的决策树空间,针对该算法所存在的属性取值偏向问题及只对较小的数据集有效的缺点,给出基于属性权值与信息增益的综合改进策略。实验结果表明,改进后的效果明显有效于传统的算法。
出处
《中国校外教育》
2009年第S1期504-504,499,共2页
AFTERSCHOOL EDUCATION IN CHINA
参考文献4
-
1王熙照,谢竞博.基于属性间交互信息的模糊ID3算法的扩展(英文)[J].复旦学报（自然科学版）,2004,43(5):777-780. 被引量：5
-
2J. R. Quinlan.Induction of decision trees[J].Machine Learning.1986(1)
-
3Mehmed Kantardzic.Data Mining Concepts,Models,Methodsand Algo-rithms[]..2003
-
4Quinlan JR.Induction of Decision Trees[].Machine Learning.1986
二级参考文献11
-
1Wang X Z, Chen B, Qian G, et al. On the optimization of fuzzy decision trees[J]. Fuzzy Sets Systems, 2000, 112:117-125.
-
2Yuan Y F, Shaw M J. Induction of fuzzy decision trees[J]. Fuzzy Sets and System, 1995, 69:125-139.
-
3Yeung D S , Wang X Z , Tsang E C C. Learning weighted fuzzy rules from examples with mixed attributes by fuzzy decision trees [A].In: Cimatti A,eds.1999 IEEE International Conference on Systems, Man, and Cybernetics[C]. Piscataway, NJ: IEEE, 1999. 349-354
-
4Weber R. Fuzzy-ID3: A class of methods for automatic knowledge acquisition[A]. In: Yamakawa T,eds. 2nd International Conference on Fuzzy Logic and Neural Networks[C]. Iizuka, Japan: Fuzzy Logic Systems Institute,1992. 265-268.
-
5Umanol M, Okamoto H, Hatono I, et al. Fuzzy decision trees by Fuzzy-ID3 algorithm and its application to diagnosis systems[A]. IEEE International Conference on Fuzzy Systems[C]. Orland, USA: IEEE Press,1994. 2113-2118.
-
6Ichihashi H, Shirail T, Nagasaka K, et al. Neuro-Fuzzy-ID3[J]. Fuzzy Sets Systems, 1996, 81:157-167.
-
7Quinlan J R. Induction of decision trees[J]. Machine Learning,1986,1: 81-106.
-
8Joliffe I T. Principal component analysis[M]. New York:Springer-Verlag. 1986.
-
9Molina L C, Belanche L, Nebot ?. Feature selection algorithms: A survey and experimental evaluation[A]. In: Liu Jiming,eds. 2002 IEEE International Conference on Data Mining (ICDM'02)[C]. Maebashi City, Japan: IEEE Computer Society Press,2002. 306-403.
-
10Dan Jiang. Information theory and coding[M]. Hefei, China: University Science and Technology of China Press, 2001.
共引文献16
-
1王勇,黄国兴,王雨,彭道刚.多Agent信息系统知识发现研究[J].计算机科学,2008,35(1):184-186. 被引量：2
-
2孙爱东,朱梅阶,涂淑琴.基于属性值的ID3算法改进[J].计算机工程与设计,2008,29(12):3011-3012. 被引量：26
-
3Honghua DaiDepartment of Computer Science,Monash University,Australia,dai@ brucc.cs.monash.edu.au.Machine Learning of Weather Forecasting Rules from Large Meteorological Data Bases[J].Advances in Atmospheric Sciences,1996,13(4):471-488. 被引量：1
-
4白杨.数据库加密系统探析[J].价值工程,2012,31(7):130-131.
-
5杜鹃,马莉.信息论在数据挖掘领域中的应用[J].电脑知识与技术（过刊）,2010,0(35):9934-9936. 被引量：1
-
6徐邵兵.决策树算法在纳税信用等级评定中的应用研究[J].电脑知识与技术（过刊）,2009,15(1X):286-288. 被引量：2
-
7李雄英,桂现才.基于相对熵的决策树生成方法[J].电脑知识与技术,2009,5(1X):537-538.
-
8李鑫,张黎烁.数据挖掘在高校学生心理问题中的应用[J].电脑知识与技术,2009,5(7X):5998-5999. 被引量：1
-
9江敏,徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术,2012,8(8X):5741-5745. 被引量：26
-
10刘振.决策树算法在高校就业中的应用[J].电脑知识与技术,2014,10(5X):3680-3683.
-
1张玉春,程春英.关于蚁群算法的探讨[J].内蒙古民族大学学报（自然科学版）,2011,26(6):656-658. 被引量：1
-
2张素琪,滕建辅,顾军华.基于多维贪婪搜索的人工蜂群算法[J].计算机工程,2014,40(11):189-193. 被引量：2
-
3朱娟娟,张申生,杜涛.试验设计、支持向量机方法在新药试生产中的应用[J].计算机应用,2005,25(8):1919-1922. 被引量：1
-
4李坤朋,张宁.基于MCMC技术的社会网络搜索[J].计算机应用,2008,28(10):2600-2603. 被引量：1
-
5郭衍奎,胡俊,徐晨光,许文鹏.一种基于极大连通子图的相关度属性选择算法[J].软件,2014,35(5):69-72. 被引量：3
-
6林丽群,舒宁,肖俊,肖洲.基于遗传算法优化决策树的多光谱影像分类研究[J].测绘科学,2009,34(4):122-124. 被引量：1
-
7王双成,忻瑞婵.广义朴素贝叶斯分类器[J].计算机应用与软件,2007,24(11):12-13. 被引量：2
-
8刘梓,宋晓宁,唐振民.稀疏表示和贪婪搜索的人脸分类[J].中国图象图形学报,2015,20(1):39-49. 被引量：10
-
9Tian-MingBu,Song-NianYu,Hui-WeiGuan.基于二进制编码的蚁群优化算法及其收敛性分析[J].Journal of Computer Science & Technology,2004,19(C00):17-17. 被引量：1
-
10陈一虎.基于互信息的贝叶斯网络结构学习算法[J].计算机工程与应用,2012,48(13):39-43. 被引量：3
