用遗传算法改进的BP神经网络剪枝算法来优化决策树模型

计算机科学 ›› 2013, Vol. 40 ›› Issue (Z11): 278-280.

用遗传算法改进的BP神经网络剪枝算法来优化决策树模型

武彤,程辉

贵州大学计算机科学与信息学院贵阳550025;贵州大学计算机科学与信息学院贵阳550025

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受贵州省2010年工业攻关项目:生产线质量控制决策支持系统的开发研究(黔科合GY字[2010]3061)资助

BP Neural Network Pruning Algorithm Improved on Base of Genetic Algorithm to Optimize Decision Tree Model

WU Tong and CHENG Hui

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 决策树是一种有效的分类方法,但在构建决策树模型的过程中,常常会出现模型过度拟合的现象。利用基于BP神经网络的决策树剪枝算法(BP-Pruning)进行软剪枝处理,然后根据BP-Pruning的一些不足,提出一种改进算法,简称GBP-Pruning算法。该算法通过引入遗传算法来训练BP-Pruning算法模型中的权值和阈值,从而克服了BP-Pruning算法上的不足,最后验证了GBP-Pruning算法的可行性。

关键词: 数据挖掘,决策树,BP神经网络,遗传算法,剪枝算法

Abstract: Decision is an effective classification method．But during the building process of decision tree,there usually appear over-fitting phenomena of models．This paper discussed soft pruning processing by using BP pruning which is based on BP neural network．Then,according to the shortages of BP pruning,this paper proposed a revised algorithm,named GBP-Pruning．This algorithm is able to train weight and threshold value of BP-Pruning model by bringing in genetic algorithm,so that it can overcome the shortages of BP-Pruning．It also proved the feasibility of GBP-Pruning.

Key words: Data mining,Decision-tree,BP neural network,Genetic algorithm,Pruning algorithm

武彤,程辉. 用遗传算法改进的BP神经网络剪枝算法来优化决策树模型[J]. 计算机科学, 2013, 40(Z11): 278-280. https://doi.org/

WU Tong and CHENG Hui. BP Neural Network Pruning Algorithm Improved on Base of Genetic Algorithm to Optimize Decision Tree Model[J]. Computer Science, 2013, 40(Z11): 278-280. https://doi.org/

参考文献

[1] 王丽珍,周丽华,等．数据仓库与数据挖掘原理及应用[M]．北京:科学出版社,2005
[2] 邵峰晶,于忠清,王金龙,等.数据挖掘原理与算法[M].北京:科学出版社.2009
[3] 魏红宁.决策树剪枝方法的比较[J]．西南交通大学学报,2005,2(40):44-48
[4] 王小平,曹立明.遗传算法-理论、应用于软件实现[M].西安:西安交通大学出版社,2002
[5] 程辉．决策树算法在生产线质量控制决策系统的应用研究[D].贵阳:贵州大学,2013

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed