模糊决策树系统的设计与实现

【摘要】：以决策树作为学习机制构建以规则为中心的专家系统，具有易理解性、灵活性，构造速度快等特点。模糊决策树学习的归纳结果与传统的相比由于合理地处理了不确定信息，从而有着更强的分类能力及稳健性，使得知识表示的方式更为自然。由于能生成不同水平和不同置信度的推理规则，故而提供了一种构造专家系统的有效途径，并可为决策者提供丰富的决策信息。然而在数据的模糊化过程中语义值的确定是关键也是难点。本文提出一种利用直方图，图形化交互的方式，辅助确定语义值并与自组织映射聚类，三角型模糊函数相结合较好的确定了语义值和隶属度。最后采用MIN—Ambiguity算法构建决策树实现一个模糊决策树系统。