多关系决策树学习算法的研究与改进  

Research and Improvement of Multi-relational Decision Tree Learning Algorithm

作　　者：谢志强[1] 于旭[1] 杨静[2] 刘若铎[1] 

机构地区：[1]哈尔滨理工大学计算机科学与技术学院,哈尔滨150080 [2]哈尔滨工程大学计算机科学与技术学院,哈尔滨150001

出　　处：《计算机工程》2009年第8期50-52,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60673131,60873019);黑龙江省自然科学基金资助项目(F200608);黑龙江省海外学人重大科研基金资助项目(1152hq08);哈尔滨理工大学创新基金资助项目

摘　　要：通过对多关系决策树学习算法MRDTL-2进行研究与分析,针对其运行效率较低和不能有效处理丢失属性值的问题,提出一种改进的多关系数据挖掘(IMRDTL)算法。在IMRDTL算法中,利用元组ID传播技术来进一步提高MRDTL-2算法的运行效率,同时使用广义朴素贝叶斯分类器来填补丢失的属性值,以进一步提高算法的准确率。Through researches and analyses on Multi-Relational Decision Tree Learning（MRDTL） algorithm, MRDTL-2, for the problems of low running efficiency and poor effect in dealing with missing attribute values of it, this paper introduces an Improved Multi-Relational Data Mining （IMRDTL） algorithm. IMRDTL algorithm makes use of the tuple ID propagation for speeding up the efficiency of MRDTL-2 algorithm, meanwhile, generalized naive Bayes classifier is used tO fill in missing attribute values, so the algorithm can provide a better accuracy.

关 键 词：多关系数据挖掘 决策树 元组ID传播 广义朴素贝叶斯 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]