学位论文 > 优秀研究生学位论文题录展示

决策树中的加权模糊规则及其推理机制

作　者: 郑寒英
导　师: 王熙照；刘大中
学　校: 河北大学
专　业: 计算机应用
关键词: 归纳推理决策树模糊生成规则局部权值
分类号: TP18
类　型: 硕士论文
年　份: 2004年
下　载: 150次
引　用: 0次
阅　读: 论文下载

内容摘要

决策树学习是应用最广的归纳推理算法之一，学习到的决策树能被表示为多个IF-THEN的规则以提高可读性。产生预测精度高的树是发现有用知识的基础，如何提高决策树的预测精度是决策树方法的研究方向之一。本文对两种推理算法即FuzzyID3和Yuan and Shaw算法作了分析比较，通过实验与理论分析，发现FuzzyID3推理算法采用的(+，·)算子从训练准确度、测试准确度方面都要优于Yuan and Shaw算法的(∧，∨)弹子。同时本文给出了一个新的推理方法来提高决策树的预测精度，使用线性规划为模糊生成规则设计局部权值。经过实验证明该方法使决策树推理精度提高，而且还有一些优点，如局部权值有一个直观的理解，不增加规则的个数，获取权值的计算量小。

全文目录

第一章绪言  7-14
  1.1 决策树简介  7-10
  1.2 模糊规则推理机制研究现状  10-13
  1.3 本文的研究重点和主要内容  13-14
第二章两种模糊规则推理机制的对比研究  14-22
  2.1 算法简介  14-19
    2.1.1 Yuan and Shaw算法的推理机制  14-17
    2.1.2 Fuzzy ID3算法的推理机制  17-19
  2.2 两种推理机制的比较  19-21
    2.2.1 两种推理机制的理论比较  19-20
    2.2.2 两种推理机制的实验比较  20-21
  2.3 小结  21-22
第三章加权模糊规则及其推理机制  22-33
  3.1 加权模糊规则的提出及意义  22-24
  3.2 加权模糊规则及其推理机制  24-27
  3.3 设计局部权值  27-29
  3.4 UCI数据库的实验结果  29-32
  3.5 小结  32-33
第四章结束语  33-34
参考文献  34-37
致谢  37

决策树中的加权模糊规则及其推理机制

内容摘要

全文目录

相似论文