基于分类树归纳的模糊轴系诊断规则抽取.PDF

节选段落一：
设Ω = Dom ( X1) ×⋯Dom ( Xm) ×Dom ( C) 是事件
的集合 , P 是事件空间的概率分布。
归纳式机器学习就是根据给定的依概率 P 从
事件空间随机抽取的 N 个独立同分布的样本 ,拟合
函数 f ,使得某一目标函数 RP ( f ) 最小。
当前机器学习的研究提出了多种基本的分类器
模型 ,如多项式形式 ,规则形式 ,树形式和神经网络
形式 ,本文采用的是基于树形式的分类器。
分类树是一种有向、无环具有树结构的图 ,记为
T。一般而言 ,树中有三类节点 :根节点 ,中间节点和
叶子节点。根节点只有输出 ,没有输入 ;叶子节点只
有输入 ,没有输出。


节选段落二：
夹在根节点与叶子节点之间的为
中间节点 ,各节点之间由有向线相连。
由于树状的知识表达形式非常直观 ,容易转化
为规则 ,因此分类树成为一类重要的知识归纳和知
识表示形式 ,人们提出了多种树归纳算法。
212 　构造分类树
构造分类树关键是不纯度指标的选择 ,即衡量
采用哪一个属性来划分样本 ,对于数值型属性 ,不仅
要选择划分的属性 ,还需要选择属性的切分点。目前
主要存在两大类劈分准则 ,一类是基于信息熵准则
的 ,一类是基于分类错误率准则的。


节选段落三：
得到的分类树
为图 2 ,采用文献〔9〕经粗糙集方法进行属性约简后
保留的属性{ X1 , X2 , X4 , X5} 进行归纳得到的分类
树如图 2。