文档介绍：摘要决策树学习是应用最广泛的归纳推理算法之一。决策树通过一个简洁的树型结构代表了原始数据的信息。一棵决策树中不具有预测能力的部分应该终止它的生长或对其修剪,如何精确地估计何时停止决策树的增长很困难,一般采取人为控制或专家领域知识、先验知识的控制,这大大降低了该方法的智能性,也限制了其应用的推广。而粗糙集理论能有效地分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。可以提高知识获取过程的自动化程度。近年来其有效性己在许多科学与工程领域的成功应用中得到证实。基于此,决策树学习方法引入粗糙集理论。本文主要研究内容和工作成果如下:低巢隽司霾呤餮八惴ǖ墓ぷ髟砗褪迪址椒ǎ冉狭说湫途霾呤魉法之间的优缺点,介绍了决策树的评价标准。治隽嘶诖植诩木霾呤魉惴ǎ⒂刖涞木霾呤魉惴ㄗ隽耸道冉希实例表明前者在保证分类精确度的同时也简化了决策树。提出了基于决策协调度的决策树自主式学习算法。该算法把粗糙集理论中的决策协调度作为分离属性的标准,用具有局部优化性质的条件确定度来控制树的增长。通过实例给出了树的生长过程,解决了决策树学习时需要人为指定阀值来进行剪枝的问题。攵韵质凳菔嵌幕∩希醪窖芯苛嗽隽渴街J痘袢∥侍狻8隽决策树预剪枝的自主式增量学习算法。用实例验证了该算法的正确性,并对算法的复杂度进行了定量分析。该算法可以解决增量数据集构造决策树的问题,避免在处理增量数据集时,不断重构决策树的庞大费用。处理小增量数据具有良好的效果。最后针对目前的状况,讨论了本课题今后进一步的研究方向。关键词:粗糙集;决策树;自主式学习;决策协调度:增量学习硕十学位论文Ⅱ
知识水坝***@pologoogle为您整理
,珻,琣甌..;籆Ⅲ瓺畃,甌甊,,甌瓸産瑃瓸猘瓹,...甌畃.,籇;·
知识水坝***@pologoogle为您整理
插图索引图决策树知识表示法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图决策树工作原理流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图决策树的复杂度与分类精确度之间的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.图保持法评估决策树分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图基于粗糙集和决策树结合的数据挖掘算法流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。图基于决策协调度算法与惴ㄉ傻木霾呤鞅冉稀算法生成的决策树⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图算法傻木霾呤鳌惴ㄉ傻木霾呤鳌图调整前决策树示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图决策树调整中间过程示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图调整后决策树示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图实例傻木霾呤鳌图实例傻木霾呤鳌图实例生成的决策树⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图Ⅵ硕十学位论文
表伪彻咏诘愕母郊有畔⒈怼表伪佻口盯子节点的附加信息表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯附表索引表典型决策树算法的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表一个关于某些病人的信息系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表某些病人的决策表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法和惴ḿ扑惴延枚员取表决策表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表根节点附加信息表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表根结点附加信息决策表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表基丁诩木霾呤餮八惴ㄑ芯
鬣主鞭黧茹;冕::作者签名:毛硪苇日期:炒《年,月沙日学位论文原创性声明学位论文版权使用授权书湖南大学本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡法律后果由本人承担。本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇年解密后适用本授权书。⒉槐C芡拧献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的编本学位论文。本学位论文属于⒈C芸冢朐谝陨舷嘤Ψ娇蚰诖颉啊獭
绪论第研究背景及意义等特点,并在数据挖掘、机器学习、人工智能等领域被广泛地应用着,所以研究目前,大中型企业与公司,都装备了强大的数据库系统,记录了大量的信息,在这大量的信息之中,隐藏着许多有价值的、不被人知的信息,这些信息在决策生成的过程中,有着重要的参考价值,可以辅助决策者进行决策,优化事务过程,对企业的发展有不可估量的作用。数据挖掘】