基于决策树的基元转化算法研究OA
当前主流深度学习模型因可解释性不足,难以满足医疗、司法、金融等风险敏感领域对决策透明度与可控性的要求。针对现有监督学习方法侧重分类预测而忽略样本特征可转化性的问题,本文引入可拓学理论,提出一种基于决策树的基元转化算法。该算法首先明确分类问题与转化问题的本质差异,建立转化问题的形式化数学模型;其次定义转化距离以量化不同特征值之间的转化难度;在此基础上,设计可嵌入任意决策树模型的通用转化机制,实现特征级转化路径的定量推导。实验结果表明,该算法在个性化健康管理场景中能够有效挖掘正可拓域样本,提升整体达标率,验证了方法的有效性与可推广性。
颜伊庆;李嘉豪;黄思程;李兴森
广东工业大学可拓学与创新方法研究所,广东广州510006广东工业大学可拓学与创新方法研究所,广东广州510006广东工业大学可拓学与创新方法研究所,广东广州510006广东工业大学可拓学与创新方法研究所,广东广州510006
信息技术与安全科学
可拓学决策树基元转化算法转化距离转化成本
《广东工业大学学报》 2026 (4)
P.122-130,9
国家自然科学基金资助项目(72071049)广东省自然科学基金资助项目(2024A1515011324)广东省珠江人才计划(2024QN11X2333)广东工业大学青年百人项目(263114040)。
评论