發(fā)布時(shí)間：2024-12-08 22:32

　　 現(xiàn)有的知識(shí)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(biāo)概念泛化，構(gòu)建多層次決策表，并設(shè)計(jì)了多粒度層次序貫三支決策模型，從多視角、多層次計(jì)算3個(gè)概率區(qū)域并獲取相應(yīng)的泛化層次決策規(guī)則。最后，通過實(shí)驗(yàn)證明了模型的有效性。本模型為知識(shí)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(gè)對(duì)象在一個(gè)屬性下具有多個(gè)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(yàn)知識(shí)的差異性導(dǎo)致不同的屬性可能泛化為不同的層級(jí)。為了簡(jiǎn)化本文研究，將層級(jí)不足的屬性擴(kuò)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(jí)(最高層級(jí))進(jìn)行初步?jīng)Q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(fù)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(jí)上的正區(qū)域?yàn)橹矮@得的正區(qū)域與當(dāng)前序貫過程中獲得的正區(qū)域的并集。當(dāng)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(kuò)展為多層次決策表。圖3為3個(gè)屬性的概念層次樹，為了方便表述，用英文字母標(biāo)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(gè)模型的概率正區(qū)域?qū)Ρ?br>
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(duì)于悲觀聚合策略，由于條件過于嚴(yán)苛，因此MGDTRS獲取的正區(qū)域數(shù)量遠(yuǎn)少于另外2個(gè)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(jié)果，從而....

本文編號(hào)：4015111