很多数据集中含有冗余数据、噪声数据,以及不完备数据。这些数据不仅占据了很大的存储空间,而且对学习器完全无用甚至有害。因此,我们希望能够从一个数据集中选取少量有用的数据使之压缩成一个比较小的数据集,目的是在不降低学习器性能的前提下,减少存储空间。这就是样例选择所处理的问题。根据处理的对象不同,样例选择大致可以分成两大类:数据过滤算法和主动学习算法。数据过滤算法主要用于去除冗余数据和噪声数据,而主动学习算法主要用于处理不完备数据,即如何从无类标的数据中选择有价值的数据,这也是本课题处理的重点问题。本论文研究了基于模糊决策树的最大不确定性样例选择策略,并对该策略进行了改进。基于不确定性最大的样例选择策略倾向于选取孤立点和异常点,而忽略分布密集区域的样例,因此文章引入了样例影响度作为样例选择的一个指标。通过选取影响度较大的样例,即位于样例分布密集区域的样例来尽量避免孤立点的选择。随后文章提出了新的样例选择标准:选择影响度和不确定性乘积最大的样例。通过对这种样例的选择与学习,既可以弥补学习器的薄弱知识,即对不确定性较大样例的分类知识,又可以避免学习特殊的模式,即由一些孤立点引导的分类模式。经理论证明,采用该选择标准选择的样例能最大限度地降低样例池的不确定性。最后,通过在人工数据集和UCI数据集上的实验结果显示,由改进后算法选择的样例比原算法选择的样例所训练的决策树的测试精度高。