基于afs理论的模糊决策树算法研究

《基于afs理论的模糊决策树算法研究》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、中文摘要摘要模糊决策树学习是以实例学习为基础的归纳学习算法，它着眼于从一组无次序，无规则的事例中推理出分类规则。模糊决策树在机器学习，数据挖掘，智能控制等人工智能领域有着相当重要的理论意义与实用价值。本文对已存的决策树算法进行了详细分析与比较。文中对ID3算法和C4．5算法进行了描述，并对他们的优缺点进行了分析和比较。ID3算法往往偏向于取值较多得属性，不能处理连续数据，对噪音也比较敏感。C4．5算法是对ID3算法得优化，可以对连续值属性进行处理，同时增加了对空值数据得处理，但是C4．5更偏向于选择熵值最小得属性，而不一定是对分类贡献最大最终要得属性。本文提出了一

2、种AFS理论的模糊决策树分类器。与其他模糊决策树分类器比较，基于AFS理论的模糊决策树分类器显示出了一个非常大的优点：一种新定义的置信度来保证分类结果的可靠性。这种置信度是一种量化的置信度，而且还可以被应用到具有混合属性的数据集上。文中对提出的这种决策树分类器做了大量的数据实验，这种方法被应用到了不同的数据集。得到的实验结果和C4．5方法的结果，C．决策树方法的结果进行了比较，结果表明AFS决策树的测试准确率明显高于其他方法的准确率。本文的模糊决策树算法只用到了样本在属性上的序关系。本研究表明只用样本属性上的序关系，AFS模糊决策树算法也能够获得很高的准确率，因此

3、该算法能够很好的应用到那些样本属性只能用序关系描述而无法用数值描述的数据集。该算法还可以应用到多种数据类型，如数值型、Boolean型、偏序关系和人类的直觉描述等。关键词：决策树：AFS模糊逻辑；分类器设计英文摘要FuzzyDecisionTreeBasedonAFSFuzzyLogicAbstractLcamingalgorithmoffuzzydecisiontreebasesontheinstances，andfocusesondeducingclassificationrulesrepresentedbydecisiontreefromagroupofou

4、t-of-orderandout=of=rulesamples．Andthefuzzydecisiontreehasthesignificanttheoreticalmeaningandpracticalvalueintheresearchfieldsofartificialintelligence,suchasmachinelearning,dataminingandintelligentcontrol，etc．FromthepoiInofviewofanalyzingandcomparisonofthedecisiontreealgorithms，thecla

5、ssicalalgorithmsofID3andC4．5aredescribed，thentheadvantagesanddisadvantagesoftwoalgorithmsareanalyzedandcompared．ThealgorithmofID3usuallyleanstoselectattributeswhichvaluearemuchmore,andcan'thandlewinlcontinuousdata,andissensitivitytothenoise．ThealgorithmofC4．5isanoptimizedonebasedonthe

6、ID3algorithm．ItCallprocesstheattributeswhichhavecontinuousvalueandemptyvaluedata．WhereastheC4．5algorithmtendstoselecttheattribmewinlminimumentropyvalue,notthatcontribmesmosttoclassification．Thispaperintroducesamethodtoconstructafuzzyrule-basedclassifiermakinguseoftheoreticalfindingsof

7、theAxiomaticFuzzySet(AFS)theory．Compared而tllotherfuzzydecisionclassifiersystems，theclassifierexhibitsanessentialadvantagebeingofpracticalrelevance．Thereliability(relevance)ofclassificationresultsisquantifiedbyusingassociatedconfidencelevels(degrees)．ThisquantificationCanbeappliedtothe

8、datas