-
题名一种决策风险代价与属性偏好融合的适应性决策树算法
被引量：5
- 1
-
-
作者
陈家俊
苗夺谦
-
机构
皖西学院电子与信息工程学院
同济大学电子与信息工程学院
同济大学嵌入式系统与服务计算教育部重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第6期1208-1212,共5页
-
基金
国家自然科学基金项目(61673301)资助
安徽省高校优秀青年人才支持计划项目(gxyq2017056)资助
-
文摘
针对现有决策树模型在分类过程中不能充分考虑决策精度、决策者的属性偏好以及决策风险因素的影响问题,提出一种决策风险代价与属性偏好融合的适应性决策树算法.算法结合决策粗糙集和代价敏感学习问题,引入用户偏好程度和决策风险损失函数的概念,根据贝叶斯最小风险决策原则,计算决策风险代价,通过构建适应度函数作为启发式函数选择划分属性,从而建立决策树模型.在决策树构建过程中,使用置信因子概念对决策树进行剪枝,以防生成的决策树过于庞大.实验结果表明该决策树算法是有效的,能充分考虑决策者的属性偏好和因决策的不确定性产生的误分代价,实验参数的设置可以增强算法的适应性,满足不同应用领域的需求.
-
关键词
决策粗糙集
属性偏好程度
决策树
适应度函数
-
Keywords
decision-theoretic rough set
attribute preference
decision tree
adaptability-degree function
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
