基于AFS理論的模糊決策樹算法研究.pdf

1、模糊決策樹學(xué)習(xí)是以實例學(xué)習(xí)為基礎(chǔ)的歸納學(xué)習(xí)算法，它著眼于從一組無次序，無規(guī)則的事例中推理出分類規(guī)則。模糊決策樹在機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，智能控制等人工智能領(lǐng)域有著相當(dāng)重要的理論意義與實用價值。 本文對已存的決策樹算法進(jìn)行了詳細(xì)分析與比較。文中對ID3算法和C4.5算法進(jìn)行了描述，并對他們的優(yōu)缺點進(jìn)行了分析和比較。ID3算法往往偏向于取值較多得屬性，不能處理連續(xù)數(shù)據(jù)，對噪音也比較敏感。C4.5算法是對ID3算法得優(yōu)化，可以對連續(xù)值屬性

2、進(jìn)行處理，同時增加了對空值數(shù)據(jù)得處理，但是C4.5更偏向于選擇熵值最小得屬性，而不一定是對分類貢獻(xiàn)最大最終要得屬性。 本文提出了一種AFS理論的模糊決策樹分類器。與其他模糊決策樹分類器比較，基于AFS理論的模糊決策樹分類器顯示出了一個非常大的優(yōu)點：一種新定義的置信度來保證分類結(jié)果的可靠性。這種置信度是一種量化的置信度，而且還可以被應(yīng)用到具有混合屬性的數(shù)據(jù)集上。文中對提出的這種決策樹分類器做了大量的數(shù)據(jù)實驗，這種方法被應(yīng)用到了不同

3、的數(shù)據(jù)集。得到的實驗結(jié)果和C4.5方法的結(jié)果，C-決策樹方法的結(jié)果進(jìn)行了比較，結(jié)果表明AFS決策樹的測試準(zhǔn)確率明顯高于其他方法的準(zhǔn)確率。 本文的模糊決策樹算法只用到了樣本在屬性上的序關(guān)系。本研究表明只用樣本屬性上的序關(guān)系，AFS模糊決策樹算法也能夠獲得很高的準(zhǔn)確率，因此該算法能夠很好的應(yīng)用到那些樣本屬性只能用序關(guān)系描述而無法用數(shù)值描述的數(shù)據(jù)集。該算法還可以應(yīng)用到多種數(shù)據(jù)類型，如數(shù)值型、Boolean型、偏序關(guān)系和人類的直覺描述等