增量决策树算法及复杂度分析

介绍了增量决策树算法的基本原理,并从实例费用和信息熵费用两个角度出发,对增量决策树算法的复杂度进行分析。通过实例说明,增量决策树算法能够构造出与ID3算法形态基本相同的决策树。

增量决策树知识获取

决策树算法已经在人工智能领域发挥了巨大的作用,但是传统的ID3算法并不能满足增量学习的要求,增量决策树算法已经成为了当前的研究热点。该文引入了属性值类别计数器的概念,然后重点介绍了ID4算法和ID5R算法,并在最后加以比较。

用扩展巴科斯范式优化决策树协议解码技术

基于规则的入侵检测系统中存在误报、漏报率高,检测速度慢等问题,为此在协议分析的基础上,提出一种基于决策树的协议解码方法。该方法使用扩展巴科斯范式描述检测规则,给出推理规则的定义;提出构造最优决策树和增量决策树的算法;通过构造基于决策树的入侵检测系统,将该方法与简单模式匹配,与基于动态规则集、基于状态转换两种协议解码方法进行了比较。实验结果表明:基于扩展巴科斯范式的协议解码方法,在误报率方面比其他3种方法分别降低10.08%,0.1%,1.51%;在漏报率方面分别降低15.56%,3.68%,2.86%。