本文選題：單調(diào)分類 + 決策樹(shù)�。� 參考：《計(jì)算機(jī)研究與發(fā)展》2017年07期

【摘要】：單調(diào)分類問(wèn)題是特征與類別之間帶有單調(diào)性約束的有序分類問(wèn)題.對(duì)于符號(hào)數(shù)據(jù)的單調(diào)分類問(wèn)題已有較好的方法,但對(duì)于數(shù)值數(shù)據(jù),現(xiàn)有的方法分類精度和運(yùn)行效率有限.提出一種基于決策森林的單調(diào)分類方法(monotonic classification method based on decision forest,MCDF),設(shè)計(jì)采樣策略來(lái)構(gòu)造決策樹(shù),可以保持?jǐn)?shù)據(jù)子集與原數(shù)據(jù)集分布一致,并通過(guò)樣本權(quán)重避免非單調(diào)數(shù)據(jù)的影響,在保持較高分類精度的同時(shí)有效提高了運(yùn)行效率,同時(shí)這種策略可以自動(dòng)確定決策森林中決策樹(shù)的個(gè)數(shù).在決策森林進(jìn)行分類時(shí),給出了決策沖突時(shí)的解決方法.提出的方法既可以處理符號(hào)數(shù)據(jù),也可以處理數(shù)值數(shù)據(jù).在人造數(shù)據(jù)集、UCI及真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)數(shù)據(jù)表明:該方法可以提高單調(diào)分類性能和運(yùn)行效率,縮短分類規(guī)則的長(zhǎng)度,解決數(shù)據(jù)集規(guī)模較大的單調(diào)分類問(wèn)題.
[Abstract]:Monotone classification is an ordered classification problem with monotonicity constraints between features and categories. There are good methods for monotone classification of symbolic data, but for numerical data, the classification accuracy and operational efficiency of the existing methods are limited. A monotone classification method based on decision forest (monotonic classification method based on decision forestMCDF) is proposed. Sampling strategy is designed to construct decision tree. It can keep the distribution of data subset consistent with the original data set, and avoid the influence of non-monotone data through sample weight. This strategy can automatically determine the number of decision trees in the decision-making forest. In the process of classification of decision-making forest, the solution of decision-making conflict is given. The proposed method can deal with both symbolic and numerical data. The experimental data on UCI and real data sets show that this method can improve the performance and efficiency of monotone classification, shorten the length of classification rules, and solve the problem of monotone classification with large scale of data sets.
【作者單位】： 山西大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院;計(jì)算智能與中文信息處理教育部重點(diǎn)實(shí)驗(yàn)室(山西大學(xué));山西財(cái)經(jīng)大學(xué)應(yīng)用數(shù)學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61673249,61503229) 山西省回國(guó)留學(xué)人員科研基金項(xiàng)目(2016-004) 山西省研究生教育創(chuàng)新項(xiàng)目(2016BY003)~~
【分類號(hào)】：TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 ;Information entropy for ordinal classification[J];Science China(Information Sciences);2010年06期

相關(guān)碩士學(xué)位論文 前1條

1 車勛建;基于有序決策樹(shù)的故障程度診斷研究[D];哈爾濱工業(yè)大學(xué);2011年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許行;王文劍;任麗芳;;一種基于決策森林的單調(diào)分類方法[J];計(jì)算機(jī)研究與發(fā)展;2017年07期

2 潘偉;佘X;;基于偏好不一致熵的有序決策[J];計(jì)算機(jī)應(yīng)用;2017年03期

3 黃金晶;黃黎;;基于信息熵的網(wǎng)絡(luò)課程學(xué)生分類模型研究[J];寧波職業(yè)技術(shù)學(xué)院學(xué)報(bào);2016年05期

4 李敬;張盼盼;王利東;;基于拓?fù)溧徲虻男蛐畔⑾到y(tǒng)屬性權(quán)重確定方法[J];數(shù)碼設(shè)計(jì);2016年02期

5 Lili MEI;Heyan HUANG;Xiaochi WEI;Xianling MAO;;A novel unsupervised method for new word extraction[J];Science China(Information Sciences);2016年09期

6 潘巍巍;宋彥萍;于達(dá)仁;;齒輪裂紋程度識(shí)別的有序分類算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2016年07期

7 陳建凱;王鑫;何強(qiáng);王熙照;;區(qū)間值屬性的單調(diào)決策樹(shù)算法[J];模式識(shí)別與人工智能;2016年01期

8 李敬;王利東;李曉慶;;基于優(yōu)勢(shì)度的序信息系統(tǒng)屬性重要性度量[J];瓊州學(xué)院學(xué)報(bào);2015年05期

9 潘巍巍;;基于排序熵的故障嚴(yán)重程度識(shí)別特征選擇算法[J];廈門理工學(xué)院學(xué)報(bào);2015年03期

10 趙春宇;劉景江;馬倫;張偉君;;Monotonicity Evaluation Method of Monitoring Feature Series Based on Ranking Mutual Information[J];Journal of Shanghai Jiaotong University(Science);2015年03期

相關(guān)碩士學(xué)位論文 前3條

1 王鑫;基于FRMI的有序決策樹(shù)算法及其比較研究[D];河北大學(xué);2014年

2 陳建凱;基于排序熵的有序決策樹(shù)高效算法研究[D];河北大學(xué);2014年

3 周楊;滾動(dòng)軸承性能退化評(píng)估技術(shù)研究[D];電子科技大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 ;The information content of rules and rule sets and its application[J];Science in China(Series F:Information Sciences);2008年12期

2 ;Information granules and entropy theory in information systems[J];Science in China(Series F:Information Sciences);2008年10期

相關(guān)碩士學(xué)位論文 前4條

1 朱義;基于CHMM的設(shè)備性能退化評(píng)估方法研究[D];上海交通大學(xué);2009年

2 劉雨;基于支持向量數(shù)據(jù)描述與信息融合的設(shè)備性能退化評(píng)估研究[D];上海交通大學(xué);2009年

3 柴春勝;基于決策樹(shù)的坦克故障診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2006年

4 王惠蓮;決策樹(shù)算法在火電機(jī)組故障診斷中的應(yīng)用[D];華北電力大學(xué)（北京）;2006年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉斌;魏永祥;韓德民;夏寅;李希平;原林;唐雷;王興海;;數(shù)字化耳鼻咽喉數(shù)據(jù)集的采集[J];中華耳鼻咽喉頭頸外科雜志;2005年06期

2 職為梅;郭華平;范明;葉陽(yáng)東;;非平衡數(shù)據(jù)集分類方法探討[J];計(jì)算機(jī)科學(xué);2012年S1期

3 韓慧;王路;溫明;王文淵;;不均衡數(shù)據(jù)集學(xué)習(xí)中基于初分類的過(guò)抽樣算法[J];計(jì)算機(jī)應(yīng)用;2006年08期

4 高嘉偉;梁吉業(yè);;非平衡數(shù)據(jù)集分類問(wèn)題研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2008年04期

5 吳克壽;曾志強(qiáng);;非平衡數(shù)據(jù)集分類研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年09期

6 顏杰,李彩霞,曾芳芳,方積乾;如何控制SAS結(jié)果的輸出[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2004年02期

7 王雙成;冷翠平;李小琳;;小數(shù)據(jù)集的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];自動(dòng)化學(xué)報(bào);2009年08期

8 李鵬;王曉龍;劉遠(yuǎn)超;王寶勛;;一種基于混合策略的失衡數(shù)據(jù)集分類方法[J];電子學(xué)報(bào);2007年11期

9 王燦偉;于治樓;張化祥;;一種適合不平衡數(shù)據(jù)集的新型提升算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年28期

10 蔡娜;王俊英;劉惟一;;一種基于小數(shù)據(jù)集的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

相關(guān)博士學(xué)位論文 前7條

1 嚴(yán)遠(yuǎn)亭;不完整數(shù)據(jù)集的多視角集成分類研究[D];安徽大學(xué);2016年

2 史熒中;耦合的支持向量學(xué)習(xí)方法及應(yīng)用研究[D];江南大學(xué);2016年

3 雒曉卓;基于聯(lián)合稀疏和局部線性的極限學(xué)習(xí)機(jī)及應(yīng)用[D];西安電子科技大學(xué);2015年

4 孫漢昌;蛋白質(zhì)組質(zhì)譜數(shù)據(jù)處理關(guān)鍵問(wèn)題與技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

5 張景祥;遷移學(xué)習(xí)技術(shù)及其應(yīng)用研究[D];江南大學(xué);2015年

6 黃超;若干蛋白質(zhì)種類鑒別的多標(biāo)記預(yù)測(cè)問(wèn)題研究[D];上海交通大學(xué);2014年

7 李宏;面向應(yīng)用領(lǐng)域的分類方法研究[D];中南大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 袁銘;基于R-SMOTE方法的非平衡數(shù)據(jù)分類研究[D];河北大學(xué);2015年

2 程偉;基于半監(jiān)督SVM的非平衡學(xué)習(xí)[D];西安電子科技大學(xué);2014年

3 馬蕊;基于觸覺(jué)序列的物體分類方法[D];石家莊鐵道大學(xué);2015年

4 閆欣;綜合過(guò)采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究[D];東北電力大學(xué);2016年

5 朱政;V-支持向量分類機(jī)中若干問(wèn)題的研究[D];華東師范大學(xué);2016年

6 蔣偉;基于特征的軌跡數(shù)據(jù)集化簡(jiǎn)研究[D];蘇州大學(xué);2016年

7 徐麗麗;面向不平衡數(shù)據(jù)集的分類算法研究[D];遼寧師范大學(xué);2016年

8 王聰;基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)算法研究[D];北方工業(yè)大學(xué);2017年

9 張貝貝;基于類別失衡數(shù)據(jù)集的改進(jìn)支持向量機(jī)模型的研究[D];安徽理工大學(xué);2017年

10 歐陽(yáng)源怞;基于混合采樣的非平衡數(shù)據(jù)集分類研究[D];重慶大學(xué);2014年

，

本文編號(hào)：2112407