随着大数据时代的来临,数据的规模越来越大,同时数据类型也呈现出多样性。数据有数值型的,也有符号型数据及符号型和数值型的混合型数据。如何从各种类型的海量数据中快速准确地挖掘出有价值的知识,也包括从符号值数据中挖掘有价值的知识,已成为机器学习领域的研究热点,具有重要的应用价值。分类问题是机器学习研究的主要问题之一,本文的主要工作是研究基于随机赋权网络的符号值数据分类。随机赋权神经网络也称为极速学习机(Extreme Learning Machine,ELM),其主要思想是通过随机化方法提高学习速度。本文研究了符号值随机赋权神经网络,并与C4.5算法从三个方面进行了实验比较:(1)时间复杂度与泛化能力;(2)训练样例大小对算法性能影响;(3)处理不完整数据的能力。得出了如下有价值的结论:(1)ELM和C4.5在测试精度上,没有本质的差别,但是ELM具有更快的学习速度;(2)测试精度并不总是随着样例数的增加而增加;(3)与C4.5相比,ELM具有更强的抗噪能力。