论文部分内容阅读
针对数据分类挖掘问题,利用并行思想,提出一种基于并行反向熵决策树算法的人工神经网络。通过概率度量水平生成并行决策树对数据进行粗处理,以加快人工神经网络的分析速度。随后采用一组仿真数据对该方法进行测试和评估。实验结果表明,该并行分类方法比单个决策树具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则。