论文部分内容阅读
本文设计了一种树型结构的演化决策树算法。基于分类准确度、演化决策树的高度和演化代数等，提出了一种适应度函数。针对树型结构的特点，改进了遗传算法的遗传算子，并设计了一种剪枝算子；分别设计和实现了Bagging演化决策树和Adaboost演化决策树算法。实验表明，相对于基本的演化决策树算法，基于集成学习的演化决策树算法能在较短的演化代数内达到较高的分类精度；分析了Bagging和Boosting方法的理论依据。在此基础上，设计了一种基于混合集成学习的演化决策树方法。该方法混合使用Bagging和Adaboost方法，并且在数据重采样划分时使用了数据的水平和垂直划分。实验结果表明该方法是有效的。