奇异向量空间树分类器

摘要：

本文提出了一种基于奇异向量空间的树分类器(ST)算法，通过将数据从原属性空间变换到正交的奇异向量空间，在新空间内间接构建原空间的近似最优斜决策树，从而改善树分类器的泛化性能。ST算法无需参数调节，分类结果不受样本随机重排的影响，时间复杂度与单变量决策树算法相同。实验结果显示，ST算法比其他斜决策树算法分类准确率更高，构建的决策树大小更稳定，且决策树构建时间与传统单变量决策树算法相近。

关键词： 奇异向量空间 决策树算法 分类器

作者: 何萍 徐晓华 陈崚

作者单位: 扬州大学信息工程学院计算机系，扬州 225009 南京航空航天大学信息科学与技术学院计算机系，南京 210016 扬州大学信息工程学院计算机系，扬州 225009 南京航空航天大学信息科学与技术学院计算机系，南京 210016

会议类型: 国内会议

会议名称: 2007年全国模式识别学术会议

会议地点: 北京

会议语种:中文

页码: 63-71

在线出版日期: 2007-12-11（万方平台首次上网日期，不代表论文的发表时间）