基于ifn模型的剪枝优化算法

《基于ifn模型的剪枝优化算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、授予单位代码：研究生学号：密级：郑州大学硕士学位论文论文题目：基于IFN模型的剪枝优化算法作者姓名：学科门类：专业名称：导师姓名、职称：龙金辉工学计算机应用叶阳东教授二零零六年五月1045903330804基于Ⅱ稍模型的蓟枝优化算法摘要随着近几十年来数据库技术的发展与广泛应用，数据的积累已经达到了相当的规模。通过分类，人们可以从这些数据中获取所需知识。许多分类方法和技术用于构造分类模型，这些方法和技术较少考虑分类模型是否简明有效，由真实世界数据产生的分类模型过于复杂以及统计意义不明确。本文在信息论、假设

2、检验理论和MarkLast等人提出的IFN(Information—fuzzyNetwork)方法学基础上，针对IFN方法利用对数似然比统计量进行假设检验存在的统计意义不明确的问题，以建立简明有效的分类模型为目的，提出了一个新算法cIFN(CountingInformation—fuzzyNetwork)。CIFN算法选择具有最大互信息的属性作为测试属性；用对数似然比统计量进行假设检验；为了剪枝优化，在给定层每一个节点处，cIFN算法引入了样本数阈值和属性值阈值的计算，从而保证假设检验的可靠和剪枝的优化

3、。本文给出了算法的理论依据，并且推导出了对数似然比统计量计算公式成立条件。实验结果表明，cIFN算法具有建模简明有效的特点：消减数据维数、具有明确统计意义。对IFN方法学的研究，我们取得了一定的进展，为进一步的研究奠定了良好的基础。将CrFN算法应用于分析、建立合理的预测分析模型，可以为决策者科学组织管理提供准确的决策信息和先进的预测手段。关键字：IFN方法学；熵；互信息：剪枝；对数似然比统计量：CIFN算法熊薹茎王墅!堡型塑垫塾垡些簦鲨Abstractwi山tIledcvelopmentoftechn

4、ologyitlda汕鹌c’richdatahavebeencollected．Knawledgeisacqui删byme趾sofclasSi矗c撕on．Alotofmethods蚰dtechnologyofcl嚣si丘cationisusedininductionofclassificationmodds．Thec锄叩act龇lde硒cielltmodelsaregivellonlyse∞ndaryco璐iderationbymostmetllods锄dtechnologyofcl鹅si矗cation

5、Consequ铋tly’classi丘cationmodelsillduccdf幻mreal—worlddatatendtobeovercomplexaIlds协tisticaIlyjnsignificant．Inthispaper，thetlleo州calp醛ntwhichwebcgmourstudyisbasedon也eillfomlationmeory、stansticalhy：poth嚣istcsdngandmfonnation—fhzzyNetwork(IFN)me也odology僦“y谳ro

6、ducedbyMarkL勰t龃dthisresearch出msatbuildingcompactaIlde晡cientmodelstoa砌yzedatasds．越matignoranceofstatisticalsi咖ficanceIFNs叫蚶calhypomesistestingbyme姐sofuleloglikeIihood洲oinlFNmodeI，此CIFN(C咖妇gInfoj曲撕on一向zzyNctⅣofk)algo删加is脚刚．TheaIg耐thmcalculatesmemutualjnf撕n

7、ationofcandidateinput砌bute趾dtlleta唱eta删bute百Venanode．Thestatistjcalsignjfic粕ceoftllemutuaIinfl0珊ationofcalldidateinputattributeandmeta唱ctatt曲u钯isevaluatcdbyusingt11e109likelih00d—ratiostatistic．TheCIFNinn蜘ucest11ethresh0Idofthenumberof蚴rdsCIFNeachnodeof百

8、Ven1ayersoastogII枷nteereliabilityoftesting，TheCIFNaIgoritlllnhastllechamct耐stictocoIlstmctaco唧actande街cientdataaIl出ysis．modd．tlleCIFNalg嘶thmisc印ableofreducingdatadimellsionalityandisstatisticallysi印ifjcant．ThisstudymakesaI