基于粗糙集理论的决策树预修剪学习算法研究

基于粗糙集理论的决策树预修剪学习算法研究

论文题目: 基于粗糙集理论的决策树预修剪学习算法研究

论文类型: 硕士论文

论文专业: 计算机软件与理论

作者: 尹德升

导师: 王国胤

关键词: 粗糙集,决策树,不确定性,自主式学习

文献来源: 重庆邮电大学

发表年度: 2005

论文摘要: 虽然,目前我们还不知道怎样使计算机和人一样具备强大的学习能力,然而近年来机器学习无论在应用、算法、理论,还是生物系统的研究中都已经取得了令人瞩目的进步。在这些进步中智能知识获取的研究起到了重要的作用。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。它潜在的预测能力以及它的可理解性的大小,很大程度上取决于学习算法是否能够简洁地概括了这个结构。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者对其进行修剪,修剪策略需要一种工具来衡量决策树与训练数据的关系,信息系统(决策表)的不确定性度量方法就是一种理想的工具。决策树修剪主要有预修剪和后修剪两种方法。预修剪方法比较简单直接,但精确地估计何时停止决策树的增长很困难,往往需要人为控制,或者需要专家领域知识、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。文章通过分析决策表的不确定性度量,用条件属性对决策表的整体确定性来控制决策树的预修剪过程,实现了一种数据驱动下的自主式知识获取算法。并通过实验验证了算法的可行性和有效性。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 引言

1.2 论文背景及工作内容

1.3 论文组织与结构

第二章 粗糙集理论基础

2.1 ROUGH SET 理论简介

2.2 粗糙集理论的基本概念

2.3 决策表的不确定性度量

2.4 本章总结

第三章 决策树学习

3.1 决策树学习简介

3.2 决策树分裂属性的选择

3.3 决策树学习的剪枝方法

3.4 决策树学习算法的评价

3.5 本章总结

第四章 基于粗糙集理论的决策树预修剪算法

4.1 引言

4.2 自主式学习理论

4.3 基于粗糙集理论的决策树预修剪算法

4.4 算法测试

4.5 本章总结

第五章 结论及未来工作

致谢

攻读硕士期间的主要工作及发表的论文

参考文献

发布时间: 2007-04-23

参考文献

  • [1].基于粗糙集的特征选取算法研究[D]. 严锋.华中科技大学2006
  • [2].基于不完备决策表的属性约简及规则获取算法的研究[D]. 乔丽娟.广西师范大学2016
  • [3].基于粗糙集理论的决策表压缩[D]. 雷明.华北电力大学(北京)2010
  • [4].基于粒计算的决策表属性约简与规则提取研究[D]. 史进玲.河南师范大学2009
  • [5].基于粗糙集的规则生成算法研究[D]. 刘喆.辽宁工程技术大学2009
  • [6].组合频率约简及动态约简对不一致决策表分类的方法[D]. 钟志宏.贵州大学2007
  • [7].基于蜂群和粗糙集的聚类算法研究[D]. 李莲.长沙理工大学2014
  • [8].基于粗糙集理论的偏序决策表知识获取方法研究[D]. 席慎思.山东大学2008
  • [9].决策表中基于对象的属性约简方法研究[D]. 翟翠红.西南交通大学2014
  • [10].F-粗糙集不确定性的度量及粗糙集算法的优化[D]. 裴明华.浙江师范大学2014

相关论文

  • [1].基于粗糙集的决策树学习算法研究[D]. 毛聪莉.湖南大学2008
  • [2].决策树的结点属性选择和修剪方法研究[D]. 屈俊峰.中国地质大学2006
  • [3].基于粗糙集的多变量决策树在电力市场营销分析中的应用[D]. 巫卿.天津大学2006
  • [4].基于粗糙集理论的知识约简算法研究[D]. 黄海.重庆邮电大学2005
  • [5].粗糙集与决策树算法用于冠心病分类研究[D]. 李骞.天津理工大学2007
  • [6].数据挖掘中决策树分类算法研究与应用[D]. 冯亚.西北大学2007
  • [7].决策树学习及其剪枝算法研究[D]. 王黎明.武汉理工大学2007
  • [8].基于粗糙集理论的决策树剪枝[D]. 由军平.东北师范大学2006
  • [9].粗糙集理论在决策树中的应用[D]. 罗秋瑾.昆明理工大学2005
  • [10].基于决策树和粗糙集的分类方法研究[D]. 王艳兵.山东大学2006

标签:;  ;  ;  ;  

基于粗糙集理论的决策树预修剪学习算法研究
下载Doc文档

猜你喜欢