论文摘要
决策树学习是广泛被人们使用的一种学习方法。本文抓住决策树新面对的动态模糊性问题。引用动态模糊集基本理论,(1)提出基于DFS及相关理论的动态模糊决策树(DFDT);(2)提出了以属性论域成员为测试结点判断条件的选择算法;(3)以信息熵及其相关概念为评价标准的动态模糊数据离散化方法(论域、隶属度离散化)和测试结点选取方法;(4)提出了DFDT在建树阶段和匹配阶段中对缺失值属性的处理方法;(5)构造了DFDT自修剪系统,使DFDT产品在实际使用中自我完善;(6)使用DFDT为核心工具,建立了城市道路监控系统,对DFDT的应用进行了研究。综上所述,本文的特色表现在:(1)深入研究DFDT建树和匹配过程中对缺失属性条件的处理方法,使建树过程中充分利用包含缺失属性的样例,而在匹配过程中提高准确率。(2)提出了DFDT的自修剪系统,使DFDT在实际使用中能随使用次数增加而提高性能,减少DFDT在建树阶段中对训练数据过度拟合的负面影响。(3)对DFDT在各领域的应用做了研究,并以计算程序模拟了运行过程。尽管如此,本文的工作还很基础,今后还有许多工作需做进一步研究,如DFDT建树速度优化、DFDT自修剪中的结构优化等
论文目录
中文摘要ABSTRACT第一章 引言1.1 问题的提出1.2 研究现状1.3 内容安排第二章 动态模糊决策树2.1 动态模糊集（DFS）理论基础2.2 动态模糊决策树2.2.1 建树策略2.2.2 离散化方法2.2.3 动态模糊决策树建树算法（DFDTA）2.2.4 缺失属性处理方法2.3 规则提取和匹配2.3.1 规则提取2.3.2 规则匹配2.4 DFDT 的修剪策略2.5 不同决策树的比较2.6 本章小结第三章 DFDT 的自修剪系统3.1 自修剪的必要性3.2 自修剪系统框架3.3 决策树模块结构3.3.1 结点构造与修正3.3.2 分支改动步骤3.4 错误样例模块结构3.5 修剪算法模块3.5.1 搜索需修剪分支3.5.2 修剪分支策略3.5.3 修剪算法3.6 自修剪系统的性能分析3.7 本章小结第四章 基于动态模糊决策树的城市道路监控系统设计4.1 问题的提出4.2 系统的框架4.3 目标车辆识别4.3.1 研究现状分析4.3.2 背景图片的动态模糊性分析4.3.3 外来物体搜索框架4.3.4 DFDT 的应用4.3.5 捕捉外来物体4.3.6 实验分析4.3.7 算法对比4.4 车牌号码识别4.4.1 研究现状分析4.4.2 确定车牌位置4.4.3 识别车牌号码4.4.4 DFDT 的应用4.4.5 实验对比分析4.4.6 自修剪系统用途分析4.5 监控逻辑的动态模糊决策4.5.1 问题的提出4.5.2 问题的分析4.5.3 实验分析4.6 本章小结第五章 结论与展望参考文献致谢附录攻读硕士学位期间公开发表论文中英文名词对照部分代码详细摘要
相关论文文献
标签：动态模糊集论文; 动态模糊决策树论文; 自修剪系统论文; 城市道路监控系统论文;
