23228.基于特征空間動(dòng)態(tài)劃分的模糊決策樹算法研究

1、專業(yè)學(xué)位碩士學(xué)位論文基于特征空間動(dòng)態(tài)劃分的模糊決策樹算法研究TheFuzzyDecisionTreeAlgorithmBasedonDynamicPartitionoftheFeatureSpace學(xué)號(hào)：31209053大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘要決策樹(DecisionTree)分類算法是模式識(shí)別領(lǐng)域應(yīng)用最廣的算法之一，其優(yōu)點(diǎn)在于分類精度高且其分類結(jié)果具有較強(qiáng)

2、的可解釋性、易于理解。目前，決策樹分類技術(shù)已經(jīng)成功應(yīng)用于商業(yè)決策、醫(yī)療診斷分析、機(jī)器人技術(shù)等眾多領(lǐng)域。本文首先依次介紹了模式識(shí)別技術(shù)中的貝葉斯分類算法、支持向量機(jī)算法、K近鄰算法、人工網(wǎng)絡(luò)算法和決策樹算法，并且比較了這些算法各自的優(yōu)缺點(diǎn)。其次，本文比較了各種決策樹的異同，并在此基礎(chǔ)上提出了一種新的模糊決策樹算法，該算法與其他模糊決策樹算法的區(qū)別在于本文提出的模糊決策樹是在建樹過程中，動(dòng)態(tài)地對特征空問進(jìn)行劃分，而并不是建樹前對特征空間就進(jìn)

3、行模糊劃分。在該算法中，當(dāng)要對當(dāng)前節(jié)點(diǎn)進(jìn)行模糊劃分時(shí)，在每個(gè)屬性上采用模糊C均值聚類方法對節(jié)點(diǎn)內(nèi)的樣本進(jìn)行聚類，繼而采用信息增益作為評價(jià)函數(shù)對各個(gè)屬性進(jìn)行評價(jià)，選取最大信息增益對應(yīng)的屬性對當(dāng)前節(jié)點(diǎn)進(jìn)行模糊劃分。由于這種建樹方式追求每個(gè)節(jié)點(diǎn)處的最優(yōu)劃分，勢必會(huì)帶來過度訓(xùn)練問題，本文采用一種改進(jìn)的減小最小誤差的后剪枝策略應(yīng)對過度訓(xùn)練問題，一方面可以提高決策樹的測試精度，另一方面可以控制決策樹的規(guī)模，提高其可解釋性。在實(shí)驗(yàn)部分，本文采用15組