基于不确定性的决策树归纳，正版书

图书标准信息

• 作者 王熙照、翟俊海 著
• 出版社 科学出版社
• 出版时间 2012-06
• 版次 1
• ISBN 9787030346353
• 定价 60.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 336页
• 字数 424千字
• 正文语种 简体中文
• 丛书 信息科学技术学术著作丛书

【内容简介】

《基于不确定性的决策树归纳》主要介绍不确定性及不确定环境下的决策树归纳方法，包括模糊决策树归纳、最优割点的模糊化处理、决策树优化、主动学习与特征选择在模糊决策树中的应用、模糊决策树的集成学习等内容。本书结合作者近年来关于决策树归纳学习的研究成果，以决策树归纳学习的基本理论为基础，全面系统地讨论了决策树归纳学习中的主要问题。
《基于不确定性的决策树归纳》可作为应用数学、智能科学与技术、自动化等专业高年级本科生和研究生的教材，也可供从事相关研究工作的科研人员参考。

【目录】

《信息科学技术学术著作丛书》序
前言
第1章不确定性
1.1随机性
1.2模糊性
1.3不可指定性
1.4粗糙性
1.5几种不确定性的比较
参考文献

第2章不确定环境下的决策树归纳
2.1决策树归纳简介
2.2连续值属性的决策树归纳
2.3最优割点的模糊化处理
2.4模糊决策树归纳
2.5模糊决策树算法中三种常用启发式比较
2.6交互作用度量
2.7聚类决策树
参考文献

第3章决策树的优化
3.1基于分支合并的决策树优化
3.2基于优化学习的模糊规则简化
3.3通过混合神经网络改善模糊决策树的学习精度
3.4提高模糊规则泛化能力的最大化模糊熵方法
3.5优化模糊规则的T-S范式神经网络方法
3.6模糊决策树构建过程中的参数选择
参考文献

第4章主动学习和模糊决策树的特征选择
4.1主动学习简介
4.2选择具有代表性的样例
4.3调整特征权重以提高支持向量机的泛化能力
4.4最优模糊值属性子集选择
4.5基于最大不确定性的主动学习
4.6采用主动学习提高学习系统的泛化能力
参考文献

第5章模糊决策树的集成学习
5.1集成学习简介
5.2分层混合专家系统
5.3基于模糊粗糙集技术的多模糊决策树归纳
5.4模糊决策森林
5.5基于上积分的集成学习
5.6基于集合划分的非线性积分及其在决策树中的应用
参考文献

第6章不确定环境下的其他归纳学习方法
6.1基于粗糙集的模糊规则抽取方法
6.2基于模糊粗糙集技术的模糊决策树
6.3模糊多类支持向量机
6.4基于模糊扩张矩阵的规则抽取方法
6.5基于CBR的规则抽取方法
6.6支持向量机反问题
6.7基于局部泛化误差的RBFNN特征选择方法
6.8结构化最大间隔分类器
参考文献