為解決差轉(zhuǎn)計算關(guān)于連續(xù)型因素的經(jīng)驗知識的泛化有效性欠佳的問題,研究基于因素空間理論的數(shù)據(jù)離散化算法及其與差轉(zhuǎn)計算算法的融合.主要做了如下工作:首先,證明了因素合、析運算與商集合和、積運算之間的等價關(guān)系;其次,基于因素空間的人工認知原理,提出因素信息變換的思想和方法,并據(jù)此構(gòu)造了一種適用于差轉(zhuǎn)計算的新的數(shù)據(jù)離散化算法;最后,統(tǒng)一了差轉(zhuǎn)計算在離散型和連續(xù)型兩類因素下的算法表達,并在四個不同的UCI數(shù)據(jù)集上驗證了融合算法的有效性.結(jié)果表明:融合算法顯著改善了連續(xù)型因素經(jīng)驗知識的泛化效果;與同為產(chǎn)生式推理算法的決策樹比較,二者經(jīng)驗知識泛化的準確率及模型綜合性能表現(xiàn)相當,但差轉(zhuǎn)計算的經(jīng)驗知識的可回溯性和可解釋性優(yōu)于決策樹,經(jīng)驗知識無需剪枝且表現(xiàn)為魚骨圖結(jié)構(gòu),知識表達更為簡明,應(yīng)用更為簡單。 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與問題的提出
    1.2 因素空間發(fā)展歷程
    1.3 差轉(zhuǎn)計算研究現(xiàn)狀
    1.4 本文的主要工作
2 基礎(chǔ)理論概述
    2.1 基礎(chǔ)知識概述
    2.2 因素運算的新定理
    2.3 差轉(zhuǎn)計算算法概述
3 基于因素空間的數(shù)據(jù)離散化方法
    3.1 數(shù)據(jù)離散化新算法思想原理
    3.2 數(shù)據(jù)離散化新算法
    3.3 離散化新算法與差轉(zhuǎn)計算的融合
4 融合算法的實證分析
    4.1 數(shù)據(jù)集及相關(guān)說明
    4.2 融合算法實證分析
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
作者簡介
學(xué)位論文數(shù)據(jù)集



本文編號：3703622