2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩53頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、作為知識發(fā)現(xiàn)中的核心環(huán)節(jié),數(shù)據(jù)挖掘能夠從海量數(shù)據(jù)中提取有價值的信息,是當(dāng)前人工智能和信息科學(xué)研究領(lǐng)域中的熱點(diǎn)課題?;诖植诩臄?shù)據(jù)挖掘,就是利用粗糙集理論及方法從數(shù)據(jù)中挖掘出新穎的、有用的知識的過程。決策樹是數(shù)據(jù)挖掘中最常用的方法,具有速度快、結(jié)構(gòu)簡單、易理解等優(yōu)點(diǎn)。然而在實(shí)際應(yīng)用過程中,現(xiàn)存的決策樹算法有著許多不足之處,本文將粗糙集與決策樹相結(jié)合,對優(yōu)化決策樹算法進(jìn)行了深入分析和研究。
  1、粗糙集部分。分析討論了差別矩陣約簡

2、算法,并提出了簡化差別矩陣約簡方法。該方法用等價類構(gòu)造差別矩陣,與單個元素參與差別矩陣構(gòu)造相比更易得到?jīng)Q策表的約簡;由于屬性的知識量越大,說明它的區(qū)分力越強(qiáng),提出了一種基于屬性區(qū)分力的決策表知識約簡方法。該方法將差別矩陣與屬性區(qū)分力相結(jié)合,與基于正區(qū)域等方法相比,它更容易搜索到屬性約簡。
  2、決策樹部分。結(jié)合粗糙集,提出了基于區(qū)分價值的決策樹優(yōu)化算法。該方法根據(jù)屬性區(qū)分價值的不同,把屬性分成兩部分,能夠較快地得到區(qū)分價值較高的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論