基于免疫遗传算法的决策树分类研究论文.docVIP

基于免疫遗传算法的决策树分类研究 摘  要  数据挖掘作为当前的热门研究领域，已广泛应用于科学研究和商业预测等领 域，拟从大量的数据中提取潜在的、人们感兴趣的、有用的信息。数据分类是数 据挖掘的一个重要分支，按照一组数据对象的特征给出数据对象划分的过程。 本文研究的是基于决策树的分类技术。决策树学习采用自顶向下的递归方 式，类似于树的生长，经过层层分枝，最终形成若干个叶子结点，每个叶子结点 代表一个决策类别。 由于传统的决策树分类算法存在准确率低下的缺点，为了解决这一问题，本 文将人工遗传学和免疫学理论应用于决策树算法，提出了基于免疫遗传算法的决 策树分类算法。遗传算法是一种模拟达尔文的遗传选择和自然淘汰的生物进化过 程而形成的一种全局优化概率搜索算法。免疫遗传算法是将生物免疫机制原理引 入到标准遗传算法中，克服遗传算法的早熟收敛问题，提高全局搜索能力。 本文围绕免疫遗传算法理论及其在决策树的构造这一问题，开展研究工作， 并取得了较好的效果。 本文主要研究内容和工作成果如下： （1）系统阐述了决策树学习算法的工作原理和实现方法，并分析了典型的 决策树算法之间的优缺点。 （2）详细阐述了遗传算法及免疫遗传算法的工作机理，比较了两种算法的 优缺点。 （3）将遗传算法应用到决策树分类方法中，利用遗传算法的全局搜索能力 及并行处理能力，以提高决策树算法收敛速率。同时考虑到决策树生成