论文部分内容阅读
提出了一种融合无监督和监督两种学习策略生成多分类决策树的方法.它首先利用无监督聚类方法能够发现待分类样本之间的内在联系和规律的特点,确定出最为符合多类样本分布特征的决策树的树型,继而利用监督学习支持向量机的方法对样本进行准确的分类.通过采用核函数和不对称的Lagrangian系数限制条件,支持向量机很好的解决了样本特征空间上的线性不可分性和决策树型确定过程中出现的训练样本不对称性的影响.该方法具有较高的计算效率和准确性,在实验中取得了比较好的结果.