原文传递
动态模糊决策树学习模型及应用研究
| 论文题名： | 动态模糊决策树学习模型及应用研究 |
| 关键词： | 决策树学习;动态模糊集;动态模糊决策树;自修剪系统;城市道路监控 |
| 摘要： | 决策树学习是广泛被人们使用的一种学习方法。本文抓住决策树新面对的动态模糊性问题。引用动态模糊集基本理论，(1)提出基于DFS及相关理论的动态模糊决策树(DFDT)：(2)提出了以属性论域成员为测试结点判断条件的选择算法；(3)以信息熵及其相关概念为评价标准的动态模糊数据离散化方法(论域、隶属度离散化)和测试结点选取方法；(4)提出了DFDT在建树阶段和匹配阶段中对缺失值属性的处理方法；(5)构造了DFDT自修剪系统，使DFDT产品在实际使用中自我完善；(6)使用DFDT为核心工具，建立了城市道路监控系统，对DFDT的应用进行了研究。 综上所述，本文的特色表现在： (1)深入研究DFDT建树和匹配过程中对缺失属性条件的处理方法，使建树过程中充分利用包含缺失属性的样例，而在匹配过程中提高准确率。 (2)提出了DFDT的自修剪系统，使DFDT在实际使用中能随使用次数增加而提高性能，减少DFDT在建树阶段中对训练数据过度拟合的负面影响。 (3)对DFDT在各领域的应用做了研究，并以计算程序模拟了运行过程。 尽管如此，本文的工作还很基础，今后还有许多工作需做进一步研究，如DFDT建树速度优化、DFDT自修剪中的结构优化等。 |
| 作者： | 蔡晨 |
| 专业： | 计算机软件与理论 |
| 导师： | 李凡长 |
| 授予学位： | 硕士 |
| 授予学位单位： | 苏州大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
