模糊聚類決策樹的研究與改進(jìn).pdf

1、決策樹算法是應(yīng)用最廣泛的機(jī)器學(xué)習(xí)算法之一，它基于一個(gè)無(wú)次序、無(wú)規(guī)則的樣本數(shù)據(jù)集，試圖從中提取出描述此樣本數(shù)據(jù)集的數(shù)學(xué)模型。傳統(tǒng)的決策樹算法只能處理屬性為離散值的樣本，如果其屬性是連續(xù)值則需要通過(guò)屬性離散化進(jìn)行預(yù)處理。離散化機(jī)制必然會(huì)導(dǎo)致樣本信息丟失，進(jìn)而影響決策樹性能。近些年，有些學(xué)者開始將模糊聚類算法與決策樹相結(jié)合，構(gòu)造出模糊聚類決策樹，從而避免了對(duì)連續(xù)值屬性的離散化，進(jìn)而降低了數(shù)據(jù)信息的丟失。
　　 本文首先研究了模糊聚類決

2、策樹的結(jié)構(gòu)，樹的生長(zhǎng)機(jī)制以及樹中節(jié)點(diǎn)停止擴(kuò)展的準(zhǔn)則。在此基礎(chǔ)上，基于傳統(tǒng)的模糊聚類決策樹無(wú)法處理未知類別的樣本這一不足，本文進(jìn)一步提出了一種新型的無(wú)監(jiān)督模糊聚類決策樹模型。在沒(méi)有樣本類別信息參與的情況下，通過(guò)制定新的節(jié)點(diǎn)分裂標(biāo)準(zhǔn)，構(gòu)建了無(wú)監(jiān)督的模糊聚類決策樹，從而將模糊聚類決策樹算法推廣到無(wú)監(jiān)督學(xué)習(xí)中。最后，實(shí)驗(yàn)比較了基本決策樹算法c4 5，傳統(tǒng)的模糊聚類決策樹以及改進(jìn)后的無(wú)監(jiān)督模糊聚類決策樹的性能。實(shí)驗(yàn)結(jié)果表明，本文提出的無(wú)監(jiān)督模糊聚