您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201110-344
论文题目 一种基于规则集的决策树分类方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

一种基于规则集的决策树分类方法

首发时间:2011-10-31

叶恒晟 1   

叶恒晟,(1987-),男,研究生,主要研究方向:通信与信息系统。

陆月明 1   

路月明,男,教授,主要研究方向:信息与通信系统。

  • 1、北京邮电大学信息与通信工程学院

摘要:在求解分类问题的方法中,决策树是最有用的方法之一。这种方法需要构建一棵树对分类过程进行建模。一旦建好了树,就可以将其应用于数据实例并得到分类结果。大多数的决策树都是训练自数据集。这种算法的弊端在于,样本集的数量过于庞大。当决策情况改变时,重新训练决策树的代价过高。本文提出了一种基于规则集的决策树训练方法。该方法包含了两个步骤:1-利用ID3算法把数据集保存成规则集;2-利用AO,AD,MVD三个属性选择标准,从规则集中提炼出决策树。在本文的仿真结果中可以看到,相对于ID3算法,由此方法训练出的决策树复杂度有了一定程度的降低。

关键词: 数据挖掘 决策树 规则集 属性选择标准

For information in English, please click here

A rule-set based decision tree for classification

Ye Hengsheng 1   

叶恒晟,(1987-),男,研究生,主要研究方向:通信与信息系统。

Lu Yueming 1   

路月明,男,教授,主要研究方向:信息与通信系统。

  • 1、School of Information and Communication Engineering, Beijing University of Posts and Telecommunications

Abstract:Decision tree is one of the most useful tools for solving the classification problems. This method requires building a decision tree to model the process of classification. The tree can be applied to the data instance so as to produce the result of classification after it has been built. Most of the decision trees are the training based on the data set. The disadvantage of this method is that once the tree is built, it's difficult to modify it to suit different decision making situation because of the large scale of data set. This paper proposes a decision tree training method based on rule set. The method includes two steps: 1 - using ID3 algorithm to transform the data set into the rule set; 2- training the decision tree based on the rule set using three attribute selection criteria AO, AD and MVD. In the simulation results, it can be seen that the decision tree trained based on the rule set is less complex compared with one trained by ID3 algorithm.

Keywords: data mining decision tree rule set attribute selection criterion

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
叶恒晟,陆月明. 一种基于规则集的决策树分类方法[EB/OL]. 北京:中国科技论文在线 [2011-10-31]. http://www.paper.edu.cn/releasepaper/content/201110-344.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

一种基于规则集的决策树分类方法