版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、從數(shù)據(jù)中挖掘知識和信息已成為解決許多實(shí)際問題的重要手段。決策樹是最常用的數(shù)據(jù)挖掘算法之一。但現(xiàn)有決策樹算法處理高維數(shù)據(jù)時(shí)存在計(jì)算量大、資源占用多的缺點(diǎn)。本論文面向高維數(shù)據(jù),研究決策樹的快速構(gòu)造方法。首先,為減少構(gòu)建決策樹的計(jì)算量,我們提出了基于混淆度的啟發(fā)式?jīng)Q策樹構(gòu)建算法。該算法利用父節(jié)點(diǎn)的計(jì)算結(jié)果估計(jì)部分子節(jié)點(diǎn)的上界,從而削減了找到子節(jié)點(diǎn)最優(yōu)解的計(jì)算量。實(shí)驗(yàn)結(jié)果表明無論是單棵決策樹還是集成決策樹,該算法都不會對決策樹的模型準(zhǔn)確度、概念
2、簡潔性造成負(fù)面影響,并且在數(shù)據(jù)維度大于1000的高維情形下可以降低約70%的計(jì)算量。其次,為優(yōu)化決策樹構(gòu)建過程中的資源占用和磁盤負(fù)載,我們提出了一種基于橫縱劃分的決策樹并行構(gòu)造方式。和傳統(tǒng)方法相比,該方法的集群內(nèi)存占用量從O(T)降為O(√T),其中T是并行進(jìn)程數(shù)。對應(yīng)的單并行進(jìn)程的內(nèi)存占用量從O(1)降至O(1/√T),即集群的擴(kuò)大和并行數(shù)的增加可以降低單進(jìn)程的內(nèi)存占用量。數(shù)學(xué)分析和實(shí)驗(yàn)結(jié)果表明,該方法對網(wǎng)絡(luò)通信量、磁盤讀寫量、計(jì)算量
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 保持隱私的決策樹構(gòu)造過程的研究.pdf
- 有序決策樹在SOCA下的擴(kuò)展及模糊有序決策樹的研究.pdf
- 不同決策環(huán)境下決策樹模型的研究.pdf
- 基于覆蓋粗糙集理論決策樹的構(gòu)造.pdf
- 決策樹風(fēng)險(xiǎn)決策
- 基于決策樹的醫(yī)療數(shù)據(jù)分析.pdf
- 基于數(shù)據(jù)流的決策樹的探討.pdf
- 決策樹例題
- 基于決策樹算法的數(shù)據(jù)挖掘的應(yīng)用.pdf
- 基于決策樹的數(shù)據(jù)挖掘算法優(yōu)化研究.pdf
- 基于決策樹的物料采購數(shù)據(jù)分析.pdf
- 數(shù)據(jù)挖掘決策樹方法在快速貨物運(yùn)輸中的應(yīng)用研究.pdf
- 決策樹生成系統(tǒng).pdf
- 基于決策樹的海量時(shí)序不均衡數(shù)據(jù)下預(yù)測系統(tǒng)的研究.pdf
- 基于粗糙集合理論的決策樹構(gòu)造算法研究.pdf
- 基于知識粗糙度度量的決策樹構(gòu)造方法研究.pdf
- 基于決策樹算法的電信營銷數(shù)據(jù)挖掘應(yīng)用.pdf
- 基于決策樹的軌道不平順數(shù)據(jù)分析.pdf
- 數(shù)據(jù)采掘中的決策樹采掘技術(shù)研究.pdf
- 數(shù)據(jù)挖掘決策樹分類算法的研究與應(yīng)用.pdf
評論
0/150
提交評論