版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、歸納學(xué)習(xí)的核心問題是從給定的數(shù)據(jù)集中抽取分類規(guī)則,決策樹歸納是一種典型的分類規(guī)則抽取方法,擴(kuò)展屬性的選擇是決策樹歸納的核心問題,基于離散化的連續(xù)值決策樹歸納在選擇擴(kuò)展屬性時(shí),需要度量每一個(gè)條件屬性的每一個(gè)割點(diǎn)的分類不確定性,并通過這些割點(diǎn)的不確定性選擇擴(kuò)展屬性,計(jì)算時(shí)間復(fù)雜度高。針對(duì)這一問題,本文提出了一種基于相容粗糙集技術(shù)的連續(xù)值屬性決策樹規(guī)則抽取方法。該方法首先利用相容粗糙集技術(shù)選擇擴(kuò)展屬性,然后找出該屬性的最優(yōu)割點(diǎn),分割樣例集并遞
2、歸地構(gòu)建決策樹。另外,針對(duì)壓縮近鄰規(guī)則方法尋找一致子集計(jì)算復(fù)雜度非常高的問題,本文還提出了基于粗糙集技術(shù)的壓縮近鄰規(guī)則抽取方法。該方法分為三步:首先利用粗糙集方法求屬性約簡(jiǎn)(特征選擇),這樣能將冗余的屬性去掉;然后選取靠近邊界域的樣例,這樣能將冗余的樣例去掉;最后從選出的樣例中計(jì)算一致子集。從理論上分析了本文提出的算法的計(jì)算復(fù)雜度并在多個(gè)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果及對(duì)實(shí)驗(yàn)結(jié)果的統(tǒng)計(jì)分析均表明本文提出的方法在計(jì)算復(fù)雜度和分類精度方面均優(yōu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集理論的分類規(guī)則挖掘.pdf
- 基于粗糙集的分類規(guī)則挖掘的研究.pdf
- 基于粗糙集的“規(guī)則+例外”網(wǎng)頁分類研究.pdf
- 基于粗糙集和關(guān)聯(lián)規(guī)則的醫(yī)學(xué)圖像分類方法研究.pdf
- 鄰域粗糙集及其基于鄰域粗糙集的分類算法.pdf
- 基于粗糙集的客戶分類方法研究.pdf
- 基于粗糙集理論與智能計(jì)算的分類規(guī)則挖掘方法研究.pdf
- 基于粗糙集的規(guī)則獲取方法的研究.pdf
- 基于粗糙集理論的規(guī)則挖掘方法研究.pdf
- 基于粗糙集的圖像分類方法的研究.pdf
- 基于粗糙集理論的關(guān)聯(lián)規(guī)則挖掘方法研究.pdf
- 基于粗糙集的分類算法研究.pdf
- 基于粗糙集的決策樹分類方法研究.pdf
- 基于粗糙集理論的文本分類方法研究.pdf
- 基于粗糙集理論的最簡(jiǎn)規(guī)則獲取方法研究.pdf
- 基于粗糙集的文本分類技術(shù)研究.pdf
- 基于粗糙集的SCM方法.pdf
- 基于粗糙集的網(wǎng)頁分類的研究.pdf
- 基于粗糙集與神經(jīng)網(wǎng)絡(luò)的分類規(guī)則挖掘策略研究.pdf
- 基于粗糙集的多標(biāo)記文本分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論