基于多關系決策樹算法的研究.pdf

1、多關系數(shù)據(jù)挖掘是近年來快速發(fā)展的重要的數(shù)據(jù)挖掘領域之一。高效性和可擴展性一直是數(shù)據(jù)挖掘領域的重要研究課題?？紤]多關系數(shù)據(jù)挖掘，這個問題尤為重要。多關系數(shù)據(jù)挖掘任務的復雜性對算法的性能提出了更高的要求。與傳統(tǒng)的數(shù)據(jù)挖掘算法相比，多關系數(shù)據(jù)挖掘算法的搜索空間變得更復雜，更大。對于多關系數(shù)據(jù)學習算法，提高算法效率的主要瓶頸在于假設空間。針對以上問題，本文主要做了以下工作： 首先，本文對數(shù)據(jù)挖掘理論、關系數(shù)據(jù)挖掘理論進行了研究，尤其是多

2、關系數(shù)據(jù)挖掘的分類算法-多關系決策樹算法及多關系數(shù)據(jù)挖掘的最新技術-元組傳播技術進行了深入的研究。 其次，本文提出了多關系決策樹的改進算法。多關系決策樹主要從兩方面進行改進：1為了提高多關系決策樹算法可擴展性，本文將虛擬連接元組傳播技術應用到改進的多關系決策樹算法中；2為了減少系統(tǒng)獨自摸索的時間、減少系統(tǒng)搜索有用屬性的時間和提高用戶的滿意程度，本文提出了在用戶指導下完成分類任務的背景屬性傳遞技術，并將該技術應用到改進的多關系決策

3、樹中。 最后，本文對改進的多關系決策樹算法進行了理論證明和實驗驗證。本文的實驗主要利用了PKDD CUP'99中的Loan、Account、Transaction三個關系，采用兩種方法對一般多關系決策樹算法和改進的對關系決策樹算法進行比較實驗。第一種方法，固定三個關系的記錄數(shù)不變，每個關系分別增加屬性個數(shù)進行實驗，第二種方法，固定三個關系中的屬性個數(shù)不變，改變關系記錄條數(shù)進行實驗。 通過上面的實驗結果，本文研究認為，當改