在机器学习与数据挖掘中,分类是一个重要的研究领域,而决策树是一种常用的分类模型。决策树是一种树形结构,存在不稳定性。集成学习是解决决策树稳定性的重要手段,集成可以整合多棵决策树,通过投票等方法将决策树的预测结果组合到一起,给出一个更稳定、准确的预测,提高泛化能力。但集成中往往会存在冗余成员,这些冗余成员可能会降低集成的预测性能。集成选择能去除冗余成员,提高集成的性能,减少存储空间和计算时间。由于集成的准确性和泛化能力在很大程度上依赖于成员分类器的性能及其多样性,因此选择一个精确多样的子集成能提高对未知样本的预测精度。文本分类是自然语言处理和文本信息挖掘的基本任务之一。决策树易于解释,广泛应用于文本分类问题。本文围绕决策树的集成选择及其在不平衡文本分类中的应用展开研究,提出了一种同时考虑决策树语义和结构的多样性度量方法,对最近提出的卡尔曼滤波集成方法(KalmanFilter-basedHeuristicEnsemble,KFHE)进行分析和集成选择,应用决策树的集成选择对类别不平衡的文本进行分类。本文的主要研究内容包括以下几个方面:(1)提出了一种基于加权Jaccard距离(WeightedJaccardDistance,WJD)的决策树集成选择方法,该方法能够从决策树的形态结构以及验证集上的分类结果来度量决策树的多样性。首先对WJD的性质进行分析,然后以WJD为距离度量方法,采用基于聚类的集成选择方法来选择多样性的决策树。在UCI数据集上的实验表明了WJD的有效性,WJD的剪枝结果具有明显优势。(2)KFHE是最近提出的一种决策树集成方法,本文对KFHE的性质进行了分析,给出3个定理并进行了证明,指出KFHE中存在冗余成员;为减少冗余成员进一步提高集成的性能,提出了一种基于有序选择的集成选择方法(Order-basedKalmanFilterSelectiveEnsemble,OKFSE);实验结果表明OKFSE在含有噪声的数据集中有更好的预测性能和鲁棒性。(3)研究决策树的集成选择在不平衡文本分类中的应用,使用不同的决策树集成方法以及剪枝方法在类别不平衡的文本数据集中进行实验,并对实验结果进行分析总结。