模糊决策树

摘要： 决策树分类算法在数据挖掘领域是一种高效且应用普遍的分类算法.传统的决策树算法难以处理数据中存在的模糊性等不确定性信息,模糊决策树作为经典决策树在模糊集理论上的扩展,可有效克服这一缺陷.然而,现有的模糊决策树算法在处理具有层次结构的标签数据时,一般选取层次结构的某一层标签去分类数据,导致当分类准确率高时,标签不具体;标签具体时,分类准确率低,无法有效做到在分类准确率尽可能高的情况下,层次标签也尽可能具体.提出了一种基于层次标签数据的模糊决策树构造算法来解决以上问题,结合模糊ID3算法和层次信息增益思想对数据进行分类,并在构建过程中充分考虑了标签的层次.最后通过实验与传统模糊决策树算法对比,说明了所提算法的有效性.

摘要： 决策问题是计算智能最核心的问题之一。基于模糊数学理论建立了一个普适的模糊决策树模型;用节点刻画决策前提和控制信息,用树上的边形式化推理规则;并在节点和边上定义合理的模糊决策算子,进行多级综合决策。工程决策考虑不同方案的成本、可行性和收益,将这些信息进行融合作为决策方案优劣的测度;建立加权模糊智能决策模型,并给出了基于该模型求最优的多属性受限决策的算法。讨论了模型和算法的复杂度。通过两个应用实例验证说明了决策模型和最优决策方案求解算法考虑定性与定量信息,决策结果科学合理且信息量大。

摘要： 电子商务交易的安全性是电子商务网站及其客户最关心的问题。随着网络安全和基础设施的不断智能化,信息技术在工业控制领域得到了广泛的应用,使网络安全越来越开放,传统的相对封闭的工业控制系统需要一种新的网络安全控制系统。主要介绍基于模糊随机森林算法的电子商务网络安全监测方法。从选取的特征中构造模糊决策树,将所有模糊决策树结合起来,得到基于模糊隶属度的模糊森林决策。通过对网络安全用电信息的数据采集、特征提取和模糊森林模型训练,实现了网络安全监控。该方法可以检测到网络层次上无法发现的网络安全信息攻击,提高了网络安全性能。

摘要： 为了能对煤矸石和煤进行快速、准确的区分,提出了用模糊决策树区分煤矸石和煤的方法。在本方法中,先将煤矸石和煤的特征进行分类,然后采用Fuzzy-ID3算法生成模糊决策树,根据决策树中根节点到叶节点的路径形成相应的模糊判断规则集。经过仿真分析可以看出,根据生成的模糊判断规则集,能快速、准确地分析出煤矸石和煤,进一步提高了煤矸石分选设备的智能化水平。

摘要： 自然语言处理是计算机科学中一种从人类语言中获取和分析含义并以智能方式与人类进行交互的方法;为解决短语匹配需要目标语言中的对应语言存在偏差的问题,提出了一种基于智能模糊决策树算法的英语分级机器翻译模型(HEMTM);模型通过搜索与分层英语机器翻译相关特征完成构建,同时,根据语言受欢迎程度和语义重要性对机器翻译的准确性进行排名,该模型在构建机器翻译的过程中,考虑了HEMTM与相应英语机器翻译支持关系之间的差异;研究结果显示,当采用HEMTM模型等级为CFGrank时,模型具有较高的准确性;在n=60,δ=0情况下,模型准确性为68％;该模型可应用于具有多个答案的英语机器翻译的构建,为英语机器翻译算法领域研究提供了参考.

摘要： 在处理不确定问题中,生成模糊决策树是一种常用的方法.其算法主要包含2个步骤,一个是树的生成条件,主要是确定扩展属性的选择标准,并以此为核心得到生成模糊决策树的启发式算法.另一个则是树的终止条件,否则会造成树的过度拟合的情况.目前,典型的算法中通常利用粗糙模糊依赖度作为选择扩展属性的依据,但是这个依赖函数不具备单调性,从而导致算法有不收敛的可能,基于这个问题,给出了模糊度的定义,重新定义了模糊依赖度和模糊粗糙度,选择模糊依赖度最大的条件属性作为根结点;然后,使用模糊粗糙度作为叶子结点的终止条件;最后,通过实例说明了整个模糊决策树的归纳过程.

摘要： 模糊决策树在数据模糊化时,需要确定每个数量型属性的模糊语言项个数.另一方面,集成分类算法已成为提高模型准确率和稳定性的有效策略.提出了一种基于混沌布谷鸟(CCS)优化的FDT集成分类算法,首先用CCS算法确定数量型属性的模糊语言项个数,再通过bootstrap抽样生成FDT集成模型,最后采用OOB误差加权投票机制得到分类结果.通过4组UCI数据集验证,与其他分类算法对比,证明了该方法在分类精度上有明显的提升;同时,在处理缺失数据时,仍有较高的分类能力.%When constructing the Fuzzy Decision Tree(FDT),data need to be fuzzy.The most important thing is to deter-mine the fuzzy language item number for each quantitative attribute.On the other hand,ensemble classification algorithm has become an effective strategy to improve the model's accuracy and stability.So,a FDT ensemble classification algo-rithm based on Chaotic Cuckoo Search(CCS)optimization is proposed.Firstly,the model uses CCS algorithm to choose the fuzzy language item number of each quantitative attribute.Secondly,using the bootstrap sampling to generate FDT en-semble model, at last the model gets the classification results by OOB error weighted voting mechanism. Through 4 groups of UCI data sets experiments,it shows that compared with other classification algorithm,the method has signifi-cant improvement on classification accuracy.At the same time,in dealing with missing data,there is still a high classifica-tion ability.

摘要： As the score could not represent the student achievement,using the improved fuzzy decision tree method,an as?sessment model is established based on their ordinary performances. Firstly,the model attribute index is defined according to the statistics and expert advice. In addition,the index data is obscured by the designed fuzzy membership function and the fuzzy matrix is built. Secondly,through improved decision tree,the performance information associated with campus behavior is excavated. Fi?nally,the method is verified by an example. The model provides an efficient way to evaluate the teaching quality. What's more,it can be used to improve and reform the teaching management.%针对大众教育中考试分数不能完全体现学生成绩的问题,提出基于模糊决策树的成绩评估模型,实现基于平时行为表现的学生学业水平预测.首先,采用数理统计和专家建议方法确定模型属性指标,以设计的模糊隶属度函数为基础对数据进行模糊处理,建立模糊矩阵.然后,通过改进的决策树算法对高校学生校园行为关联的成绩信息进行决策分析.最后,采集某学院实际数据进行实例分析,验证了模型的有效性.该模型为高校教学质量评估和教育信息化建设提供了有效方法,对高校教学工作管理和改革提供了重要的决策依据.

摘要： 提出了一种基于决策分类的水泥回转窑故障诊断方法.该方法利用水泥生产过程中产生的回转窑历史数据结合模糊决策树算法生成故障诊断模糊推理规则库,利用在线数据可对模糊规则库进行增量学习,不断完善故障诊断规则库.故障诊断阶段,将在线数据形成的特征向量与故障诊断规则库进行匹配,判断是否发生故障以及相应的故障类型.该方法对故障数据进行模糊化处理,提高了故障诊断结果的可解释性以及泛化性能,适用于实际的水泥生产过程.

摘要： 针对计算机免疫系统模型GECISM(general computer immune system model)中的类MC Agent,提出了如何利用应用程序的系统调用数据集构造模糊决策树,从而生成计算机免疫系统中的入侵检测规则,给出并对比分析了实验结果,发现用此方法生成的规则对未知数据集进行分类有较低的误报率和漏报率.

摘要： 该文讨论了示例学习中有关连续值的模糊化问题，并在此基础上引入了模糊决策树归纳学习算法。通过示例比较，指出：进行连续值模糊化时，模糊语言值的选取对未知样本的分类结果具有相当的影响，它是模糊决策树归纳学习过程中重要而不可忽视的环节。

摘要： 本文以某省七个炼油厂供进口原油使用的管道修建为例,探讨模糊决策树的分析,模糊边长的表征方法以及最小预算费用的方案求解.

摘要： 如何从每个汉字的不同样本中抽取准确一致的特征是手写汉字识别极其重要的基础工作，该文从模糊归纳学习的角度，针对手写汉字特征抽取的不确定性，提出了模糊决策树算法ＦＩＤ。它可以处理连续值属性及分类不确定的情况。将ＦＩＤ应用于脱机手写汉字识别的特征抽取过程并与传统方法进行比较，实验结果表明ＦＩＤ抽取的特征类内重码率高，类间重码率低，识别率高。

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 本申请的实施例揭示了决策树模型生成方法、基于决策树模型的数据推荐方法。该方法包括：获取由多个训练样本的特征信息形成的训练数据集，训练样本已知类别属性；在根据训练数据集生成决策树模型的过程中，迭代计算各节点下每个特征属性的信息增益，并根据最大信息增益对应的特征属性划分当前节点包含的数据集，直至根据节点包含的数据集能确定出类别属性；若当前节点下的多个特征属性的信息增益相等且为最大信息增益，则计算多个特征属性各自对应的修正信息增益，并根据计算得到的修正信息增益确定用于划分当前节点所包含数据集的特征属性；输出根据训练数据集所形成的决策树模型。本申请生成的决策树模型具有更准确的分类效果。

摘要： 提供一种能够生成即使在用户自身的回答发生错误的情况下也能够削减对用户的必要的提问次数的决策树的决策树生成装置、决策树生成方法、非暂时性记录介质以及提问系统。决策树生成装置具备：信息增益算出部，在以决策树的形式将分类对象数据集合分阶段地分割为部分集合时，基于熵的减少量和可靠度，按每个属性算出利用该属性的属性值将分割前的数据集合分割时的信息增益；决策树制作部，通过递归地反复进行利用具有按每个属性算出的多个信息增益中的最大的信息增益的属性的属性值将分割前的数据集合分割的处理，将具有最大的信息增益的属性依次决定为决策树的节点，并且向该节点的边依次分配该属性的属性值，制作用于决定提问的顺序的决策树。

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 本发明公开了一种基于ID3决策树算法和模糊判别的中药材识别方法，所述识别方法包括：利用太赫兹时域光谱技术建立中药材太赫兹吸收光谱样本库和细节点特征库；根据样本库训练ID3决策树，并对待识别样本进行识别预测；通过细节点特征库，将待识别样本与预测样本做进一步的细节特征匹配，根据匹配结果确定样本类别。本发明的识别方法可将决策树的分类结果用模糊判别进行确认，并将决策树模型具有的较好的分类性能和模糊判别具有的较好的描述类别内部相似性的特点进行有效结合，协同不同算法的优势，显著降低了对样本库外药材的误识，获得了较好的识别率，可提高太赫兹光谱技术在中药材识别上的可靠性和正确率。

摘要： 本申请实施例提供了一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，属于数据挖掘领域及钻井液堵漏领域。所述方法包括：采集历史钻井数据、历史堵漏案例及现场实时钻井数据；针对采集到的数据资料进行数据预处理；将历史钻井数据划分为训练集和测试集，并选取训练集生成漏失机理预测模糊决策树；再选取训练集生成堵漏配方推送模糊决策树；根据漏失机理预测模糊决策树确定漏失机理预测模糊决策规则，并判断漏失机理；根据生成的堵漏配方推送模糊决策树确定堵漏配方推送模糊决策规则，并进行堵漏配方推送；以判断的漏失机理和推送的堵漏配方为参考进行防漏堵漏辅助决策，从而减少井漏事故的发生次数以及增大发生漏失后一次堵漏的成功率。

摘要： 本发明公开了一种基于模糊决策树的深度强化学习空战博弈解释方法，包括：采用已训练的深度强化学习模型进行空战博弈，得到训练集和特征集；构建特征集中各特征的隶属度函数，逐一将特征模糊化，得到特征集模糊化后的模糊特征集；根据训练集和模糊特征集建立模糊决策树；通过极小化决策树的损失函数对模糊决策树进行剪枝；遍历剪枝后的模糊决策树的所有路径，其中每一路径表示一个空战博弈规则；将空战博弈时深度强化学习模型的输入和输出保存为待处理数据，将待处理数据输入至剪枝后的模糊决策树中得到对应的空战博弈规则，从而完成空战博弈解释。本发明解决了深度强化学习算法可解释性差、结果不直观的问题。

摘要： 本发明公布了一种大规模应用场景下的基于模糊决策树的自适应鱼群寻路包路由方法。主要解决飞行自组网中的端到端时延问题。所述的方法包括：应用模糊决策树进行跳数预测，通过离线训练模糊决策树模型。属性模糊阶段采用三角模糊函数对输入属性进行语义划分，离线训练阶段采用ID3算法进行决策树建立。为了更新节点信息采用基于鱼群算法的自适应Hello包广播机制，从基站开始逐跳广播Hello包，达到节能和降低冲突的目的。为了保证较高的传输成功率，采用了指数加权平均移动法进行最优节点的预测，指数加权平均对过去历史信息做均值处理的时候加上指数相关的权重，离当前时间越近的历史信息数据权重越大，离当前时间越远的历史信息数据权重越小。

摘要： 本发明公开了一种基于敏感度实现清晰决策树与模糊决策树的攻击方法，包括：获取数据并进行数据处理；将处理后的数据划分为训练集和测试集，通过从训练样本中学习，测试集上验证，获得清晰决策树和模糊决策树；利用学习到的清晰决策树和模糊决策树的模型信息，计算样本被分为真实类别的置信度，计算特征的敏感度；选择有最大敏感度的特征进行修改；迭代获得伪造的攻击样本；将伪造的攻击样本集攻击学习到的决策树，比较决策树在测试集和伪造的样本集上的准确率，进而对攻击进行评估。本发明基于特征敏感度信息，减少对攻击目标的模型信息了解量；开辟了研究模糊系统在恶意环境中的鲁棒性的道路，发现数据模糊化对机器学习模型的鲁棒性的提升。

摘要： 本申请实施例提供了一种基于模糊决策树的钻井漏失机理预测及辅助决策方法，属于数据挖掘领域及钻井液堵漏领域。所述方法包括：采集历史钻井数据、历史堵漏案例及现场实时钻井数据；针对采集到的数据资料进行数据预处理；将历史钻井数据划分为训练集和测试集，并选取训练集生成漏失机理预测模糊决策树；再选取训练集生成堵漏配方推送模糊决策树；根据漏失机理预测模糊决策树确定漏失机理预测模糊决策规则，并判断漏失机理；根据生成的堵漏配方推送模糊决策树确定堵漏配方推送模糊决策规则，并进行堵漏配方推送；以判断的漏失机理和推送的堵漏配方为参考进行防漏堵漏辅助决策，从而减少井漏事故的发生次数以及增大发生漏失后一次堵漏的成功率。