%0 Journal Article
%T Improved multi-relational decision tree algorithm<br>改进的多关系决策树算法*
%A SONG Guang-ling
%A HAO Zhong-xiao
%A WU Hai-yan
%A <br>宋广玲
%A 郝忠孝
%A 吴海燕
%J 计算机应用研究
%D 2009
%I 
%X 高效性和可扩展性是多关系数据挖掘中最重要的问题，而提高算法效率的主要瓶颈在于假设空间，且用户对分类的指导会在很大程度上帮助系统完成分类任务，减少系统独自摸索的时间。针对以上问题提出了改进的多关系决策树算法，即将虚拟连接元组传播技术和提出的背景属性传递技术应用到多关系决策树算法中。对改进的多关系决策树算法进行了理论证明，并且对多关系决策树算法和改进的多关系决策树算法进行比较实验。通过实验可以得出，当改进的多关系决策树在搜索数据项达到背景属性传递阈值时，改进的多关系决策树算法的效率相对很高且受属性个数增加(或
%K relational data mining
%K multi-relational decision tree
%K tuple ID propogation
%K background attribute<br>多关系数据挖掘
%K 多关系决策树
%K 元组标志传播
%K 背景属性
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=9D9FCE8D412E4630FB23D4F1A4827F99&yid=DE12191FBD62783C&vid=96C778EE049EE47D&iid=59906B3B2830C2C5&sid=C1BFEAF4AC03D615&eid=DFA2579B47462E72&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=10