构建决策树进行脚本病毒检测可以全面利用训练样本的信息，在样本特征较为复杂、样本数较大的情况下会产生大量节点，计算时间复杂度高，在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能，该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集，根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性，逐步构建决策树。实验结果验证了算法的稳定性与准确度，表明这种融合方法可增加属性的区分度，减少决策树的分支数。