發(fā)布時間：2024-12-08 22:32

　　 現(xiàn)有的知識獲取算法所挖掘出的規(guī)則太多，不易理解；規(guī)則描述太過具體，容易造成過擬合。為此，本文提出了多粒度層次序貫三支決策模型。首先引入概念層次樹將目標概念泛化，構建多層次決策表，并設計了多粒度層次序貫三支決策模型，從多視角、多層次計算3個概率區(qū)域并獲取相應的泛化層次決策規(guī)則。最后，通過實驗證明了模型的有效性。本模型為知識獲取提供了新的視角并豐富了多粒度三支決策的研究。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1 屬性c1,c2概念層次樹

圖1概念層次樹將屬性泛化，從而一個對象在一個屬性下具有多個值，由此可以得到多層次決策表MT={U,At={cth|t=1,2,h=1,2,3}∪D,V,I}。先驗知識的差異性導致不同的屬性可能泛化為不同的層級。為了簡化本文研究，將層級不足的屬性擴充到最高層次。若存在ct的最....

圖2 決策類Di下多粒度層次序貫三支決策

圖2描述了多粒度層次序貫過程，在k層級(最高層級)進行初步決策，邊界域作為下一次序貫決策的論域，圖中灰色部分表示第二次序貫決策確定的正區(qū)域與負域，不同顏色的線條表示不同的聚合策略。通過圖2可以得知，k-1層級上的正區(qū)域為之前獲得的正區(qū)域與當前序貫過程中獲得的正區(qū)域的并集。當h+1....

圖3 屬性c1,c2,c3概念層次樹

通過概念層次樹將原始決策表擴展為多層次決策表。圖3為3個屬性的概念層次樹，為了方便表述，用英文字母標注具體的語義。表5為多層次決策表，MT={U,At={cth|t=1,2,3,h=1,2,3}∪D,V,I}。該決策表的屬性子集簇為A={A1,A2,A3}={{c1},{c....

圖4 3個模型的概率正區(qū)域對比

圖4展示了3種模型獲取的概率正區(qū)域數(shù)量差異，可以發(fā)現(xiàn)，MHS3WD和MS3WD獲取的正區(qū)域數(shù)量要多于MGDTRS,對于悲觀聚合策略，由于條件過于嚴苛，因此MGDTRS獲取的正區(qū)域數(shù)量遠少于另外2個模型，說明多粒度序貫多步驟策略一定程度上避免了悲觀聚合策略帶來的較為極端的結果，從而....

本文編號：4015111