摘要:提出了一种将神经网络和决策树相结合的数据分类新方法.该方法首先依据属性重要性将属性进行排序,然后通过RBF神经网络进行属性裁减,最后生成决策树,并抽取出规则.与传统的决策树分类方法相比,此方法可依据属性重要性直接生成最小决策树,避免了树的裁减过程,大大加快决策树的生成效率,并进一步提高了规则的预测精度.该方法适用于大规模及高维属性的数据分类问题.
关键词:决策树 rbf神经网络 输入输出关联法 数据分类
单位:天津大学系统工程研究所; 天津300072
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社