-
题名基于遗传算法的模糊决策树的参数优化
被引量：4
- 1
-
-
作者
赵明华
杨宏伟
孙娟
王金凤
王熙照
-
机构
河北大学数学与计算机学院机器学习研究中心
河北师范大学数学与信息科学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2003年第25期88-91,97,共5页
-
基金
河北省自然科学基金资助项目"基于模糊信息的示例学习理论及算法"(编号:698139)
-
文摘
模糊决策树归纳学习是从示例中产生规则知识的一个重要方法,决策树的产生过程涉及到两个重要的参数α、β。一般说来,这两个参数的选取依赖于所讨论的领域知识和用户的需要,若选取不当,会对分类结果产生很大影响,从而导致不正确的分类。如何选取这两个参数的值目前尚无较好的方法,仅凭人们的经验而定,该文提出了一种应用遗传算法来优化模糊决策树中参数的方法,旨在为选取参数提供实验方法,同时也为直接选取经验参数提供了一定的实验支撑。
-
关键词
归纳学习
模糊决策树归纳
模糊ID3算法
遗传算法
-
Keywords
inductive learning,fuzzy decision tree,fuzzy-ID3algorithm,genetic algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
G433
[文化科学—教育技术学]
-
-
题名基于聚类的数据预处理对模糊决策树产生的影响
被引量：3
- 2
-
-
作者
王熙照
谢凯
-
机构
河北大学数学与计算机学院机器学习中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2006年第1期156-158,186,共4页
-
文摘
在模糊决策树归纳过程中,数据的模糊化预处理通常使用三角形隶属函数,该隶属函数的中心点参数将决定数据模糊化的效果,进而影响模糊决策树的执行效率、精度和规模。Kohonen'sfeature-maps聚类算法能够用来选取连续属性值的中心点。实验研究表明,该算法选取的中心点使模糊子集之间的覆盖范围不再相同,因而能够更合理地表示模糊概念之间的重叠关系。通过与其它算法比较证明该算法使模糊决策树可以获得更高的分类精度。
-
关键词
模糊决策树归纳
模糊集合理论
数据预处理
模糊化
聚类
隶属函数
-
Keywords
fuzzy decision tree induction, fuzzy set theory, data preprocessing, fuzzification, clustering, membership function
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于最大熵选取示例的增量决策树归纳
被引量：1
- 3
-
-
作者
闫建辉
王熙照
隋春荣
王硕
苑俊英
-
机构
河北大学数学与计算机学院
邢台学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2006年第35期160-162,187,共4页
-
基金
国家自然科学基金资助项目(60473045
60573069)。
-
文摘
设A是一训练集,B是A的一个子集,B是选择A中部分有代表性的示例而生成的。得到了这样一个结论,即对于适当选取的B,由B训练出的决策树其泛化精度优于由A训练出的决策树的泛化精度。进一步,设计实现了一种如何从A中挑选有代表性的示例来生成B的算法,并从数据分布和信息熵理论角度分析了该算法的设计原理。
-
关键词
样例挑选
信息熵
模糊决策树归纳
泛化精度
-
Keywords
sample selection
information entropy
fuzzy decision tree induction
generalization capability
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
