平均1-依赖决策树集成算法
基于平均1-依赖贝叶斯分类器(AODE)算法的思想,提出了平均1-依赖决策树集成算法(AODT),该算法通过使用每个输入属性和类别属性共同建立集成学习中的个体决策树分类器.同时,我们从多任务学习的角度探讨了AODE和AODT算法的工作原理.通过在Weka平台上使用40个UCI数据集的实验结果表明,该算法可以显著提高决策树学习算法的分类性能,并且具有很好的抗噪声性能.
集成学习、多任务学习、决策树学习算法、平均1-依赖贝叶斯分类器
38
TP391.4(计算技术、计算机技术)
安徽省高校自然科学基金重大项目ZD200904;安徽省高校优秀青年人才基金2009SQRZ075
2010-04-20（万方平台首次上网日期，不代表论文的发表时间）
共5页
434-438
