基于不确定性的决策树归纳【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

基于不确定性的决策树归纳PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 不确定性1

1.1随机性1

1.2模糊性4

1.3不可指定性7

1.4粗糙性8

1.5几种不确定性的比较11

参考文献12

第2章 不确定环境下的决策树归纳13

2.1决策树归纳简介13

2.2连续值属性的决策树归纳19

2.3最优割点的模糊化处理25

2.4模糊决策树归纳31

2.5模糊决策树算法中三种常用启发式比较40

2.6交互作用度量49

2.7聚类决策树61

参考文献65

第3章 决策树的优化68

3.1基于分支合并的决策树优化68

3.2基于优化学习的模糊规则简化73

3.3通过混合神经网络改善模糊决策树的学习精度81

3.4提高模糊规则泛化能力的最大化模糊熵方法90

3.5优化模糊规则的T-S范式神经网络方法98

3.6模糊决策树构建过程中的参数选择104

参考文献110

第4章 主动学习和模糊决策树的特征选择113

4.1主动学习简介113

4.2选择具有代表性的样例116

4.3调整特征权重以提高支持向量机的泛化能力120

4.4最优模糊值属性子集选择123

4.5基于最大不确定性的主动学习137

4.6采用主动学习提高学习系统的泛化能力145

参考文献156

第5章 模糊决策树的集成学习160

5.1集成学习简介160

5.2分层混合专家系统169

5.3基于模糊粗糙集技术的多模糊决策树归纳179

5.4模糊决策森林196

5.5基于上积分的集成学习200

5.6基于集合划分的非线性积分及其在决策树中的应用214

参考文献224

第6章 不确定环境下的其他归纳学习方法229

6.1基于粗糙集的模糊规则抽取方法229

6.2基于模糊粗糙集技术的模糊决策树247

6.3模糊多类支持向量机259

6.4基于模糊扩张矩阵的规则抽取方法267

6.5基于CBR的规则抽取方法278

6.6支持向量机反问题286

6.7基于局部泛化误差的RBFNN特征选择方法292

6.8结构化最大间隔分类器312

参考文献331