示例学习的扩张矩阵算法研究.pptVIP

示例学习的扩张矩阵算法研究(开题报告) 主要内容 课题研究的意义 国内外研究现状 主要研究内容及创新点 研究方案、进度安排及预期目标 参考文献 课题研究的意义 示例学习算法主要分成两大类：覆盖算法和分治算法。 利用扩张矩阵理论抽取规则是符号学习的重要方法之一，符号学习是指从符号值数据集中抽取归纳出一般规则。 符号值数据集中数据是离散的，无序的，数据之间是无运算关系的，属性的取值是有限的。 扩张矩阵算法主要的优点在于具有很高的准确率。 国内外研究现状 AQ系列（AQ15，AQ20） 主要研究内容及创新点 扩张矩阵相关概念的介绍 扩张矩阵规则的一些特点 FCV算法及其优缺点叙述 NCV算法及其优缺点叙述 创新点 相关概念 选择子：是形为 ( ),的关系语句， ;其中 为第j个属性， 为第j个属性的属性值集合， 为 中的一个值. 公式(项):是选择子的合取式,即 ( ),其中 规则：是公式的析取式,即 ,其中Li为公式. 举例：if a1!=0 and a4!=1 then class=‘1’ if a3!=0 and a1!=2 then class=‘1’ 相关概念 扩张矩阵：已知正例e+=V1+,…,Vn+及反例矩阵NE.对于每个j N(属性集合)，用“死元素”*对Vj+在NE中第j列的所有出现做代换，这样得到的矩阵叫做e+在反例集NE背景下的扩张矩阵，记为EM（e+），e+叫做该扩张矩阵的种子. 公共路径：在一个扩张矩阵中，由分别来自不同行的m个非死元素连接组成它的一条路（径）；在两个以上的扩张矩阵中，具有相同值的对应的非死元素叫做他们的公共元素；只由公共元素组成的路叫做它们的公共路.具有公共路的两个扩张矩阵叫做相交的，否则叫做不相交的. 最大复合：由最多的一组相交扩张矩阵所具有的公共路叫做最大公共路.由最大公共路形成的公式叫做最大复合. 相关概念 扩张矩阵规则的一些特点 ID3训练是否打网球的14个例子得到的规则为： Outlook=‘Sunny’ and Humidity=‘Normal’ then class=‘Yes’ Outlook=‘Overcast’ then class=‘Yes’ Outlook=‘Rain’ and Wind=‘Weak’ then class=‘Yes’ Outlook=‘Rain’ and Wind=‘Strong’ then class=‘No’ Outlook=‘Sunny’ and Humidity=‘High’ then class=‘No’ 扩张矩阵训练是否打网球的14个例子得到的规则为： Outlook！=‘Sunny’ and Wind!=‘Strong’ then class=‘Yes’ Outlook！=‘Rain’ and Humidity!=‘High’ then class=‘Yes’ Outlook！=‘Sunny’ and Outlook！=‘Rain’ then class=‘Yes’ 写成=的形式(合并后)为： Outlook=‘Sunny’ and Humidity=‘Normal’ then class=‘Yes’ Outlook=‘Overcast’ then class=‘Yes’ Outlook=‘Rain’ and Wind=‘Weak’ then class=‘Yes’ 扩张矩阵规则的一些特点 扩张矩阵规则的一些特点 扩张矩阵规则的一些特点 总结： 扩张矩阵训练出的规则只有一类，扩大了另一类的规则空间； 扩张矩阵训练出的规则适用于训练集中的一类例子很相似，另一类的例子差异很大，且不可归纳。 FCV算法及其优缺点叙述 在训练数据集产生规则的过程中，如果没有结束条件，理论上训练集正确率应该是百分之百.但由实验结果表明，有些数据库的训练集正确率并不能测到百分之百，而且有的还偏低 . FCV算法及其优缺点叙述 FCV算法的逆思维 FCV算法及其优缺点叙述 FCV算法的缺点 FCV算法及其优缺点叙述 结论： FCV算法是一个好的分类算法，在许多数据库上泛化能力都高于传统的ID3算法. (22/8) 优点:寻求最大复合得到最少的一致公式很有效。 缺点: 1)FCV算法对数据有较高的要求，它要求当前情况下 最多的正例在整个反例上寻求规则. 2)最多的正例集又采用逆向思维的方式得到. 这样导致一些库的 训练集精度只能达到50%左右，而FCV算法本身不能解决这个弊端. NCV算法及其优缺点叙述 规则的产生 NCV算法及其优缺点叙述 ncv算法的优点