计算机应用

作者：王雅辉, 钱宇华, 刘郭庆

单位：1. 山西大学 大数据科学与产业研究院, 太原 030006;2. 山西大学 计算机与信息技术学院, 太原 030006;3. 计算智能与中文信息处理教育部重点实验室(山西大学), 太原 030006

关键词：机器学习,决策树算法,有序分类,模糊数学,优势集

基金：国家自然科学基金面上项目（61672332）；山西省拔尖创新人才支持计划项目（02150116072021）；山西省重点研发计划（国际科技合作）项目（201903D421003）；山西省三晋学者项目（2016769）；山西省回国留学人员科研资助项目（2017-023）。

传统决策树算法应用于有序分类任务时存在两个问题：传统决策树算法没有引入序关系，因此无法学习和抽取数据集中的序结构；现实生活中存在大量模糊而非精确的知识，而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题，提出了基于模糊优势互补互信息的有序决策树算法。首先，使用优势集表示数据中的序关系，并引入模糊集来计算优势集以形成模糊优势集。模糊优势集不仅能反映数据中的序信息，而且能自动获取不精确知识。然后，在模糊优势集的基础上将互补互信息进行推广，并提出了模糊优势互补互信息。最后，使用模糊优势互补互信息作为启发式，设计出基于模糊优势互补互信息的有序决策树算法。在5个人工数据集及9个现实数据集上的实验结果表明，所提算法在有序分类任务上较经典决策树算法取得了更低的分类误差。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期