一种集合划分上的融合算子与其在ID3算法中的应用

《一种集合划分上的融合算子与其在ID3算法中的应用》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、河北大学学位论文独创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他入已经发表或撰写的研究成果，也不包含为获得河北大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了致谢。作者签名：兰兰查日期：羔翌爱叠j二_月。堑日学位论文使用授权声明本人完全了解河北大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复

2、印件和电子版，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。本学位论文属于l、保密口，在年月——目解密后适用本授权声明。2、不保密√。(请在以上相应方格内打‘叶’)作者签名：盔丝导师签名：亚=匕O，

3、日期：垄翌笸年j二．月』日日期：缨呈年』月—三上自保护知识产权声明本人为申请河北大学学位所提交的题目为(一种集合划分上的融合算子及其在ID3算法中的应用)的学位论文，是我个人在导师(王熙照)指导并与导师合作下取得的研究成果，研究工作及取得的研究成果是在河

4、北大学所提供的研究经费及导师的研究经费资助下完成的。本人完全了解并严格遵守中华人民共和国为保护知识产权所制定的各项法律、行政法规以及河北大学的相关规定。本人声明如下：本论文的成果归河北大学所有，未经征得指导教师和河北大学的书面同意和授权，本人保证不以任何形式公开和传播科研成果和科研工作内容。如果违反本声明，本人愿意承担相应法律责任。声明人：作者签名：日期：兰雄年JL月_兰』日导师签名：蔓丝乏二日期：皇拯年j二_月j』日日期：逊年j二_月丛日日期：鲜年JL月二￡日第1章绪论1．1课题研究的目的与意义信息

5、融合【l】指采集并集成各种信息源，生成完整、准确、及时和有效的综合信息。它比直接从各信息源得到的信息更简洁、更少冗余、更有用途。融合算子在信息融合中起着核心作用，它决定融合的效果，选用不同的融合算子，一般产生不同的融合结果。目前，已有许多种融合算子，在人工智能、数据挖掘等领域常用的融合算子有取大算子、取小算子、均值算子、加权平均算子、积分算子等【241。现存的融合算子大多定义在集合的一个子集上的，还没有定义在集合划分上的。然而，在许多实际问题中，为了有效的处理数据，做出更加准确的预测，需要考虑集合的划

6、分，且标准不同对集合的划分不同，不同的划分产生的效果也不相同。决策树【5】的构造过程就是信息融合过程，通过融合训练样例的信息，生成一棵树，产生出规则。构造好的决策树的关键在于如何选择好的逻辑判断或属性。对于同样一组例子，可以有很多决策树能符合这组例子。一般情况下，树越小树的预测能力越强。受ID3决策树生成算法的思想启发，本文给出了一种基于集合划分的融合算子，研究了其基本性质，并给出了在特殊情况下的计算。1．2本课题的国内外发展现状信息融合是利用多源信息，以获得对同一事物或目标更客观、更准确的信息的综合

7、过程。信息融合最早用于军事领域，随着信息技术的发展和应用，信息融合已经深入到各个领域【6，刀，为人们提供决策支持。信息融合具有如下优点：①可扩展系统的空间覆盖范围：②可扩展系统的时间覆盖范围；③可增加系统的信息利用率；④可提高合成信息的可信度和精度；⑤可改进对目标的检测或识别；⑥可降低系统的投资。按信息抽象程度不同，融合可分为三个层次：原始数据融合、目标级融合和决策级融合。(1)原始数据融合是在各种信息源的原始数据未经预处理之前，就进行信息的综合和分析。(2)目标级融合属于中间层次，利用从信息源的原始

8、信息中提取的特征信息进行综合分析和处理。(3)决策级信息融合是在高层次进行的，融合的结果为指挥控制决策提供了依据。信河北大学理学硕十学位论文息融合涉及多方面理论和技术，如信号处理、估计理论、不确定性理论、模式识别、熵法、最优化技术、神经网络、多媒体技术和人工智能等。决策树与积分是机器学习、模式识别等领域中常用的信息融合技术。决策树方法起源于概念学习系统cLs【2】，然后发展到ID3【8，91方法而为高潮，最后又演化为能处理连续属性的C4．5【l01。决策树一般都是自上而下来生成的。决策树通过把实例从根

9、节点排列到某个叶子节点来分类实例，叶子节点即为实例所属的分类。树上的每一个节点说明了对实例的某个属性的测试，并且该节点的每一个后继分支对应于该属性的一个可能值。构造好的决策树的关键在于如何选择好的逻辑判断或属性。对于同样一组例子，可以有很多决策树能符合这组例子。一般情况下，树越小树的预测能力越强。要构造尽可能小的决策树，关键在于选择恰当的属性。由于构造最小的树是NP．难问题，因此只能采取用启发式策略选择好的属性。属性选择依赖于各种对例子子集的不纯度(im