基于不確定性的決策樹(shù)歸納

內(nèi)容概要

《基于不確定性的決策樹(shù)歸納》主要介紹不確定性及不確定環(huán)境下的決策樹(shù)歸納方法，包括模糊決策樹(shù)歸納、最優(yōu)割點(diǎn)的模糊化處理、決策樹(shù)優(yōu)化、主動(dòng)學(xué)習(xí)與特征選擇在模糊決策樹(shù)中的應(yīng)用、模糊決策樹(shù)的集成學(xué)習(xí)等內(nèi)容?！痘诓淮_定性的決策樹(shù)歸納》結(jié)合作者近年來(lái)關(guān)于決策樹(shù)歸納學(xué)習(xí)的研究成果，以決策樹(shù)歸納學(xué)習(xí)的基本理論為基礎(chǔ)，全面系統(tǒng)地討論了決策樹(shù)歸納學(xué)習(xí)中的主要問(wèn)題。
《基于不確定性的決策樹(shù)歸納》可作為應(yīng)用數(shù)學(xué)、智能科學(xué)與技術(shù)、自動(dòng)化等專(zhuān)業(yè)高年級(jí)本科生和研究生的教材，也可供從事相關(guān)研究工作的科研人員參考。

書(shū)籍目錄

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書(shū)》序前言第1章 不確定性1.1 隨機(jī)性1.2 模糊性1.3 不可指定性1.4 粗糙性1.5 幾種不確定性的比較參考文獻(xiàn)第2章 不確定環(huán)境下的決策樹(shù)歸納2.1 決策樹(shù)歸納簡(jiǎn)介2.2 連續(xù)值屬性的決策樹(shù)歸納2.3 最優(yōu)割點(diǎn)的模糊化處理2.4 模糊決策樹(shù)歸納2.5 模糊決策樹(shù)算法中三種常用啟發(fā)式比較2.6 交互作用度量2.7 聚類(lèi)決策樹(shù)參考文獻(xiàn)第3章 決策樹(shù)的優(yōu)化3.1 基于分支合并的決策樹(shù)優(yōu)化3.2 基于優(yōu)化學(xué)習(xí)的模糊規(guī)則簡(jiǎn)化3.3 通過(guò)混合神經(jīng)網(wǎng)絡(luò)改善模糊決策樹(shù)的學(xué)習(xí)精度3.4 提高模糊規(guī)則泛化能力的最大化模糊熵方法3.5 優(yōu)化模糊規(guī)則的T-S范式神經(jīng)網(wǎng)絡(luò)方法3.6 模糊決策樹(shù)構(gòu)建過(guò)程中的參數(shù)選擇參考文獻(xiàn)第4章 主動(dòng)學(xué)習(xí)和模糊決策樹(shù)的特征選擇4.1 主動(dòng)學(xué)習(xí)簡(jiǎn)介4.2 選擇具有代表性的樣例4.3 調(diào)整特征權(quán)重以提高支持向量機(jī)的泛化能力4.4 最優(yōu)模糊值屬性子集選擇4.5 基于最大不確定性的主動(dòng)學(xué)習(xí)4.6 采用主動(dòng)學(xué)習(xí)提高學(xué)習(xí)系統(tǒng)的泛化能力參考文獻(xiàn)第5章 模糊決策樹(shù)的集成學(xué)習(xí)5.1 集成學(xué)習(xí)簡(jiǎn)介5.2 分層混合專(zhuān)家系統(tǒng)5.3 基于模糊粗糙集技術(shù)的多模糊決策樹(shù)歸納5.4 模糊決策森林5.5 基于上積分的集成學(xué)習(xí)5.6 基于集合劃分的非線性積分及其在決策樹(shù)中的應(yīng)用參考文獻(xiàn)第6章 不確定環(huán)境下的其他歸納學(xué)習(xí)方法6.1 基于粗糙集的模糊規(guī)則抽取方法6.2 基于模糊粗糙集技術(shù)的模糊決策樹(shù)6.3 模糊多類(lèi)支持向量機(jī)6.4 基于模糊擴(kuò)張矩陣的規(guī)則抽取方法6.5 基于CBR的規(guī)則抽取方法6.6 支持向量機(jī)反問(wèn)題6.7 基于局部泛化誤差的RBFNN特征選擇方法6.8 結(jié)構(gòu)化最大間隔分類(lèi)器參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：插圖：第1章  不確定性 現(xiàn)實(shí)世界中存在許多不確定性現(xiàn)象，例如描述身高的“中等個(gè)頭”，描述溫度的“大約37 攝氏度”，描述年齡的“青年”等。不確定性（uncertainty）在人們生活中幾乎無(wú)處不在，因此研究不確定性的表現(xiàn)、刻畫(huà)及度量是很有意義的。不確定性在不同學(xué)科有不同的含義，因此很難給出不確定性的明確定義。不確定性有多種，大致可以劃分為兩大類(lèi)：客觀不確定性和認(rèn)知不確定性［1］?？陀^不確定性的大小不以人的主觀意志而改變，通常包括隨機(jī)性（randomness）和粗糙性（roughness）。隨機(jī)性是由客觀系統(tǒng)產(chǎn)生的不確定性；粗糙性是由當(dāng)前掌握的知識(shí)不足而造成的概念刻畫(huà)上的不確定性。認(rèn)知不確定性是人類(lèi)在感知、思考和推理過(guò)程中產(chǎn)生的不確定性。認(rèn)知不確定性通常包括模糊性（fuzziness 或vagueness）和不可指定性（non-specificity 或ambiguity）。模糊性是由于人們無(wú)法給出清晰準(zhǔn)確的界限而產(chǎn)生的不確定性；不可指定性是人們?cè)谔幚硪粚?duì)多關(guān)系時(shí)產(chǎn)生的不確定性?？偟膩?lái)說(shuō)這兩類(lèi)不確定性一類(lèi)是客觀的，另一類(lèi)是主觀的。本章重點(diǎn)介紹隨機(jī)性、模糊性、不可指定性和粗糙性。 1.1   隨  機(jī)  性 1.1.1   隨機(jī)現(xiàn)象  隨機(jī)現(xiàn)象從表面上看雜亂無(wú)章、沒(méi)有規(guī)律，但實(shí)踐證明，如果同類(lèi)的隨機(jī)現(xiàn)象大量重復(fù)出現(xiàn)，總體上就會(huì)呈現(xiàn)一定的規(guī)律性［2］。比如擲一枚質(zhì)地均勻的硬幣，每一次投擲前很難預(yù)料是哪一面朝上，但是如果多次重復(fù)地投擲，就會(huì)發(fā)現(xiàn)正面朝上和反面朝上的次數(shù)大體相同。 1.1.2   概率分布 概率論以隨機(jī)變量為工具研究隨機(jī)現(xiàn)象，這里不做贅述，僅簡(jiǎn)單介紹本書(shū)使用較多的離散型隨機(jī)變量及其概率分布。在概率論中，對(duì)具有下列特征的實(shí)驗(yàn)稱(chēng)為隨機(jī)實(shí)驗(yàn)： （1） 可以在相同的條件下重復(fù)進(jìn)行。 （2） 每次實(shí)驗(yàn)的可能結(jié)果不止一個(gè)，并且能事先明確實(shí)驗(yàn)的所有可能結(jié)果。 （3） 進(jìn)行一次實(shí)驗(yàn)之前不能確定哪一個(gè)結(jié)果會(huì)出現(xiàn)?！?1.2   模  糊  性 1.2.1   模糊現(xiàn)象 模糊性是人們?cè)趯?duì)客觀世界認(rèn)識(shí)過(guò)程中，無(wú)法給出清晰準(zhǔn)確的界限而產(chǎn)生的不確定性［4］。生活中有許多模糊性概念，例如黎明、黃昏。這兩個(gè)模糊概念是因?yàn)槿藗儫o(wú)法對(duì)晝夜轉(zhuǎn)換給出一個(gè)清晰的界限而產(chǎn)生的。這些模糊性概念內(nèi)涵很清楚，但外延模糊。我們每個(gè)人都明白黎明、黃昏的含義，但無(wú)法具體給出一個(gè)清晰的時(shí)間段，說(shuō)這個(gè)時(shí)間段就是黎明，那個(gè)時(shí)間段就是黃昏。在晝夜轉(zhuǎn)化過(guò)程中，人們因?yàn)闊o(wú)法給出一個(gè)清晰的界限，所以在語(yǔ)言上產(chǎn)生了黎明和黃昏這兩個(gè)模糊概念。模糊性是在人類(lèi)對(duì)客觀世界認(rèn)知過(guò)程中產(chǎn)生的，因而這種模糊性更多地體現(xiàn) 在人類(lèi)的語(yǔ)言中。 在人類(lèi)的認(rèn)知世界中，有很多概念是模糊的，沒(méi)有明確的兩極邊界，例如在日常生活中的大小、長(zhǎng)短、輕重、高低等都是模糊概念。傳統(tǒng)的集合理論很難對(duì)這類(lèi)概念進(jìn)行恰當(dāng)?shù)乜坍?huà)。1965年，美國(guó)科學(xué)院院士Zadeh 教授提出模糊集合論，為模糊概念的表示和模糊推理的形成奠定了數(shù)學(xué)基礎(chǔ)。模糊集合論，使計(jì)算機(jī)可以跨越“黑白”兩極邊界，在“灰色”中間地帶發(fā)揮作用［4］。 模糊集合論認(rèn)為，論域上的對(duì)象從屬于集合是逐漸過(guò)渡的，而不是突然變化的。它把元素屬于集合的概念模糊化，認(rèn)為論域上存在既非完全屬于某集合，又非完全不屬于某集合的元素；它又把屬于概念量化，強(qiáng)調(diào)一個(gè)元素屬于某一集合的程度，而不是集合中包含哪些元素。稱(chēng)元素屬于某一集合的程度為隸屬度。 1.2.2   模糊集 模糊集和隸屬函數(shù)的定義如下［5］。定義1.2.1設(shè)A是論域U 到［0，1］的一個(gè)映射，即A ：U →［0，1］，uaA（u）稱(chēng)A為U 上的模糊集，稱(chēng)A（u）為模糊集A的隸屬函數(shù)。 從上述定義可以看出，模糊集A完全由其隸屬函數(shù)A （u）刻畫(huà)，把論域U 中的每一個(gè)元素u 都映射為［0，1］上的一個(gè)值A(chǔ)（u），A（ u）越大，表示元素u 隸屬于模糊集A的程度越高。當(dāng)A（u）的值只取0或1時(shí)，模糊集A便退化為一個(gè)普通集合（清晰集合） 。 為了書(shū)寫(xiě)方便，在不引起混淆的情況下，后面將不加說(shuō)明地省去模糊集A上面的波浪符號(hào)，簡(jiǎn)寫(xiě)為A。……

編輯推薦

《基于不確定性的決策樹(shù)歸納》可作為應(yīng)用數(shù)學(xué)、智能科學(xué)與技術(shù)、自動(dòng)化等專(zhuān)業(yè)高年級(jí)本科生和研究生的教材，也可供從事相關(guān)研究工作的科研人員參考。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    基于不確定性的決策樹(shù)歸納 PDF格式下載

---