【摘 要】
：
C4.5算法是一种非常有影响力的决策树生成算法,但该方法生成的决策树分类精度不高,分支较多,规模较大.针对C4.5算法存在的上述问题,本文提出了一种基于粗糙集理论与CAIM准则
论文部分内容阅读
C4.5算法是一种非常有影响力的决策树生成算法,但该方法生成的决策树分类精度不高,分支较多,规模较大.针对C4.5算法存在的上述问题,本文提出了一种基于粗糙集理论与CAIM准则的C4.5改进算法.该算法采用基于CAIM准则的离散化方法对连续属性进行处理,使离散化过程中的信息丢失程度降低,提高分类精度.对离散化后的样本用基于粗糙集理论的属性约简方法进行属性约简,剔除冗余属性,减小生成的决策树规模.通过实验验证,该算法可以有效提高C4.5算法生成的决策树分类精度,降低决策树的规模.
其他文献
<正>Brain tumors are devastating diseases that occur when resident brain cells are transformed.As most other solid tumors,brain tumors are classified as either
<正>Glioma represents the most common primary tumor in the central nervous system(CNS).Along with the increased incidence of brain tumors,there was a 194%increa
学习的目的是与不同表示在肺癌症房间上探索一样的目标(si-10 ) 的效果的目的由 RNAi 和这些房间的恶意的增长 cyclooxygenase-2 (COX-2 ) 铺平蛋白质。当有最好的效果的目标
这研究的目的是使用指向有约束力的多肽 ZS-9 屏蔽人的肺癌症的 cDNA 图书馆并且获得 ZS-9 的肺癌症的目的证实非小房间的肺癌症的肿瘤标记的特定的 ligand。方法人工地综合
<正>Nowadays,with the development of science and technology,the specialization of clinical medicine and refinement of treatment demand more accurate diagnoses,w
Tongji 医院的癌症中心的主任于世英教授在科学与技术的 Huazhong 大学里结盟了到 Tongji 医学院，临床的肿瘤学的中国德语的杂志的行政副 editor-inchief
在显著性目标检测算法中,流形排序的检测方法存在先验背景假设和目标检测不完整的问题.针对该问题,在流形排序算法基础上,融入背景鉴别、BING特征估计和权重调整,提出了一种基于背景感知的显著性目标检测算法.首先,通过计算颜色聚类后的边界区域的综合差异度,得到真实背景种子点,从而感知到真实背景区域;再结合图像的BING特征与初始显著图信息,获取目标位置,从而得到完整的前景种子点区域;然后重构前景区域的图
EAST放电实验会产生大量的实验数据,为了满足实验人员高效地获取实验数据、了解实验进展的需求,提出了基于Openfire＋Spark框架的EAST即时通信系统解决方案.该系统具有状态呈现