换一批摘要中医药领域不完整的数据普遍存在，而数据的不完整很大程度地降低分类模型的学习效果。大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据，而对于不完整数据出现在分类阶段则不能处理或效果不好。文章提出一种新的分类算法用于处理不完整数据的分类问题。首先给出一个新的用于处理不完整数据的决策树算法，并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据，进一步提出改进的Boosting算法，在迭代过程中对每一个假设使用模糊决策方法，权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重，最终使用加权投票的方式得出最优的分类结果。最后，通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性。
更多相关知识
关键词
分类算法不完整数据决策树权重模糊决策Boosting算法classification algorithmincomplete datadecision treeweightfuzzy decisionBoosting algorithm
分类号
TP399
DOI
10.3969/j.issn.2095-0691.2015.02.003
发布时间
2015-07-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省自然科学基金（1408085QF118）
安徽中医药大学青年基金（2015qn006）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
