【摘 要】
：
经典ID3决策树算法适用于离散型数据分类，但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法，NID3算法改进了ID3决策树算法，能够直接实施连续预测并获取更好分类效果。在邻域决策系统中，挖掘一种邻域等价关系；基于邻域等价粒化，构建邻域信息度量；基于邻域信息增益，设计NID3决策树算法。实例分析与数据实验均表明，NID3算法具有连续数据分类预测
论文部分内容阅读
经典ID3决策树算法适用于离散型数据分类，但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法，NID3算法改进了ID3决策树算法，能够直接实施连续预测并获取更好分类效果。在邻域决策系统中，挖掘一种邻域等价关系；基于邻域等价粒化，构建邻域信息度量；基于邻域信息增益，设计NID3决策树算法。实例分析与数据实验均表明，NID3算法具有连续数据分类预测有效性，在分类机器学习中优越于ID3算法。
其他文献
针对多变环境条件下的交通堵塞问题，将强化学习、神经网络、多智能体和交通仿真技术结合起来，提出了用于优化多路口条件下交通状况的Trajectory Reward Light(TR-Light)模型。该方法具有几个显著特点：1。基于红绿灯拟定交通组织方案；2。将多智能体强化学习用于红绿灯控制；3。通过红绿灯的协同达到区域级的交通组织优化；4。在智能体每次行为执行结束后实施轨迹重构，在OD对不改变的情况
针对传统分割算法难以对遥感图像进行有效分割的问题，提出了一种自适应特征减少的图像分割算法。首先对源图像进行超像素分割，将获得的超像素作为算法的基本操作对象。其次，提取图像的颜色、纹理、边缘以及空间等多维特征，并使用加权像素值来表示超像素的特征。再者，将模糊分离度量加入到FRFCM(feature-reduction fuzzy c-means)模型中，构造特征减少分割算法。该算法可以自动选择有用特
针对现有算法很少考虑用户之间的共乘偏好需求，提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型，旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹、以及用户的兴趣偏好，过滤不满足用户偏好需求的车辆。其次，构建一个临时匹配图，设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离；最后采用贪婪方式实现用户与
针对现有点线融合视觉SLAM(simultaneous localization and mapping)方法中线提取和线匹配准确度低导致定位精度下降的问题，从多维度对现有点线融合双目视觉SLAM方法进行了改进研究。一是通过内部参数调整和长度阈值筛选改进LSD(line segment detection)提取质量；二是基于几何约束将线特征匹配抽象为稀疏最小化问题，求得最优解即找到线段最佳匹配；三
为了解决当前图卷积网络需要依赖大型数据集，从而导致时间和空间复杂度上升问题，研究提出了基于自我监督学习策略的层智能图卷积网络(RRLFS-L-GCN)。首先，通过在层智能图卷积网络(Layer-wisegraph convolutional network,L-GCN)中添加多任务机制以提高算法的泛化能力；然后，设计一种随机删除固定步长边(randomly remove links with A
大部分基于依存句法分析的事件检测方法仅聚焦于依存句法结构上的单跳联系，忽视了词与词之间的多跳联系，造成事件触发词与部分相关实体间的语义缺失，从而影响了事件检测效率。因此，为了充分利用词语间的语义相关性提升事件触发词的识别能力，本文提出了融合多跳关系标签和依存句法结构信息的事件检测模型。构建了一种新型的依存句法“多跳树”以及多跳关系标签搜索算法，增强了核心词汇的事件表征能力，并结合图注意力网络聚合了
针对生物地理学优化算法(biogeography-based optimization,BBO)易早熟收敛、陷入局部最优的问题，引入物种演化理论提出了改进生物地理学优化算法。该算法将所有栖息地按照物种数量划分为三种地区，并建立协同进化关系，合理地采用区间入侵，区内合作/竞争策略，满足多样性的同时避免早熟收敛。定义了“物种更迭”和“物种进化”两种变异策略，提出的双策略协同变异算子旨在解决变异算子对较
OLSR(optimized link state routing)协议中最重要的功能之一是多点中继(multi point relays,MPR)节点的选择，该协议中路由的计算就要依靠MPR选择相关表项。传统的MPR算法只是减少了同一区域内相同消息的泛洪，并没有考虑网络中新加入节点获取全网拓扑信息的时间问题。针对该问题进行了研究并提出一种高效的MPR选择算法，该算法有三个步骤：首先减少了部分拓扑
随着深度学习的普及与发展，对抗样本的存在严重威胁着深度学习模型的安全。针对物理世界中对抗样本的攻击问题，提出了一种基于注意力机制的物理对抗样本检测方法。该方法将注意力机制与特征压缩相结合，对局部可视对抗样本主要区域进行针对性检测，排除非主要区域的影响，减少计算工作量；通过有效组合多种特征压缩方法对样本中的主要区域进行处理，破坏对抗噪声块的结构，使其失去攻击性。在MNIST和CIFAR-10数据集上
无人机空地信道几何统计模型通常采用固定的速度和移动方向，无法描述UAV空地传播环境的非平稳特性。面向基于双圆柱散射体的UAV三维空地信道模型，提出在空地建模中引入具有动态速度和移动方向的高斯马尔可夫模型，模拟无人机在现实环境中的变化。为了使该模型模拟不同的运动，引入扩展因子切换模型的运动轨迹。此外，运用几何分析法，根据时变的速度和运动方向推导了空时相关函数和多普勒功率谱密度，并研究了无人机水平和垂