一种新的模糊决策树模型及其应用

一种新的模糊决策树模型及其应用

亓呈明¹,郝玲²,崔守梅²

1. 北京联合大学自动化学院，北京 100101；2. 山东省淄博师范高等专科学校数理科学系，山东淄博 255100

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2006-10-24 发布日期:2006-10-24
通讯作者: 亓呈明

A new fuzzy decision tree model and its application

QI Cheng-ming¹,HAO Ling²,CUI Shou-mei²

1. College of Automation, Beijing Union University, Beijing 100101;2. Mathematics and Physical Sciences Department, Zibo Normal College, Zibo 255100

Received:1900-01-01 Revised:1900-01-01 Online:2006-10-24 Published:2006-10-24
Contact: QI Cheng-ming

摘要/Abstract

摘要： 模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维，但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况，提出了一种混合算法，算法保留了较少属性值的Shannon熵，计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中，得到了更易于理解的决策树和有效的规则，与传统算法的性能比较也证明了该算法的有效性。

关键词: 分类, 混合决策树 , 模糊熵

Abstract: A fuzzy decision tree is the generalization of a decision tree in a fuzzy environment. The knowledge represented by a fuzzy decision tree is more natural to the way of human thinking, but there is the additional work of preprocessing and cost of constructing trees. A new hybrid fuzzy decision tree model was proposed. The new algorithm calculates the entropy of multi-valued and continuous-valued attributes after fuzzification and Shannon entropy of other attributes was calculated by this new algorithm. Simulation results confirm that the proposed model can lead to understandable decision trees and extract effective rules. Experimental results show that the proposed model is more effective and efficient than a fuzzy decision tree and C4.5.

Key words: hybrid fuzzy decision tree , fuzzy entropy, classification

中图分类号:

TP391

亓呈明,郝玲,崔守梅 . 一种新的模糊决策树模型及其应用[J]. J4, 2007, 42(11): 107-109 .

QI Cheng-ming,HAO Ling,CUI Shou-mei . A new fuzzy decision tree model and its application[J]. J4, 2007, 42(11): 107-109 .

参考文献

相关文章 15

[1]	严倩,王礼敏,李寿山,周国栋. 结合新闻和评论文本的读者情绪分类方法[J]. 山东大学学报（理学版）, 2018, 53(9): 35-39.
[2]	左芝翠,张贤勇,莫智文,冯林. 基于决策分类的分块差别矩阵及其求核算法[J]. 山东大学学报（理学版）, 2018, 53(8): 25-33.
[3]	李会会,刘希强,辛祥鹏. 变系数Benjamin-Bona-Mahony-Burgers方程的微分不变量和精确解[J]. 山东大学学报（理学版）, 2018, 53(10): 51-60.
[4]	杨艳,徐冰,杨沐昀,赵晶晶. 一种基于联合深度学习模型的情感分类方法[J]. 山东大学学报（理学版）, 2017, 52(9): 19-25.
[5]	杜漫,徐学可,杜慧,伍大勇,刘悦,程学旗. 面向情绪分类的情绪词向量学习[J]. 山东大学学报（理学版）, 2017, 52(7): 52-58.
[6]	乔虎生,白永发. 逆S-系对幺半群的刻画[J]. 山东大学学报（理学版）, 2017, 52(2): 1-4.
[7]	罗永贵. 半群W(n,r)的极大(正则)子半群[J]. 山东大学学报（理学版）, 2017, 52(10): 7-11.
[8]	管毅舟,徐博,林原,林鸿飞. 基于社会化标注和网页分类的个性化检索方法[J]. 山东大学学报（理学版）, 2016, 51(7): 35-42.
[9]	万中英,王明文,左家莉,万剑怡. 结合全局和局部信息的特征选择算法[J]. 山东大学学报（理学版）, 2016, 51(5): 87-93.
[10]	徐也,徐蔚然. 基于语义特征扩展的知识库增量引文推荐算法[J]. 山东大学学报（理学版）, 2016, 51(11): 26-32.
[11]	马丽菲,莫倩,杜辉. 面向中文短影评的分类技术研究[J]. 山东大学学报（理学版）, 2016, 51(1): 52-57.
[12]	陈松良. 具有非交换Sylow子群的p²q³阶群的构造[J]. 山东大学学报（理学版）, 2015, 50(12): 93-97.
[13]	乔虎生, 文海存. 关于序主弱平坦S-系的一个推广[J]. 山东大学学报（理学版）, 2015, 50(12): 109-113.
[14]	马成龙, 姜亚松, 李艳玲, 张艳, 颜永红. 基于词矢量相似度的短文本分类[J]. 山东大学学报（理学版）, 2014, 49(12): 18-22.
[15]	罗毅, 李利, 谭松波, 程学旗. 基于中文微博语料的情感倾向性分析[J]. 山东大学学报（理学版）, 2014, 49(11): 1-7.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed