基于AFS理论的模糊决策树算法研究

发布时间：2023-01-30 15:47

　　模糊决策树学习是以实例学习为基础的归纳学习算法,它着眼于从一组无次序,无规则的事例中推理出分类规则。模糊决策树在机器学习,数据挖掘,智能控制等人工智能领域有着相当重要的理论意义与实用价值。 本文对已存的决策树算法进行了详细分析与比较。文中对ID3算法和C4.5算法进行了描述,并对他们的优缺点进行了分析和比较。ID3算法往往偏向于取值较多得属性,不能处理连续数据,对噪音也比较敏感。C4.5算法是对ID3算法得优化,可以对连续值属性进行处理,同时增加了对空值数据得处理,但是C4.5更偏向于选择熵值最小得属性,而不一定是对分类贡献最大最终要得属性。 本文提出了一种AFS理论的模糊决策树分类器。与其他模糊决策树分类器比较,基于AFS理论的模糊决策树分类器显示出了一个非常大的优点:一种新定义的置信度来保证分类结果的可靠性。这种置信度是一种量化的置信度,而且还可以被应用到具有混合属性的数据集上。文中对提出的这种决策树分类器做了大量的数据实验,这种方法被应用到了不同的数据集。得到的实验结果和C4.5方法的结果,C-决策树方法的结果进行了比较,结果表明AFS决策树的测试准确率明显高于其... 

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

第二次实验中测试数据在以胜1，2)上的隶属函数，古l=m3mll+m3m，Zm16m7msml

第二次实验中测试数据在羲(k=l，2)上的隶属函数，言，=m:lm、5m3+ml:m15m4m产7+m一ml产4m6mlom7m一7m一4m2+m一m一产碑6m一omsml3+mlZm3mlsmsm6m一0+m一Zm3ml6msm6mg+

(a)所有测试样本在6，最的隶属函数置信度上的分布;(b)所有分类错误的测试样本在氛，最

【参考文献】：
期刊论文
[1]数据挖掘中决策树算法的最新进展[J]. 韩慧,毛锋,王文渊.  计算机应用研究. 2004(12)
[2]采用重复剪辑近邻法提高决策树算法的性能[J]. 叶晨洲,杨杰,姚莉秀,陈念贻.  控制与决策. 2003(01)
[3]基于决策树学习中的测试生成及连续属性的离散化[J]. 陈恩红,王清毅,蔡庆生.  计算机研究与发展. 1998(05)



本文编号：3733216