1) dynamic fuzzy decision tree
动态模糊决策树
1.
Research and Application on the Dynamic Fuzzy Decision Tree Learning;
动态模糊决策树学习模型及应用研究
2.
According to large numbers of dynamic fuzzy systems exist in the fields of automatic control,design the arithmetic of dynamic fuzzy decision tree in this paper,moreover,give the method how to deal with those input examples which include non-dynamic fuzzy attributes or lack some attributes.
针对自动控制领域中普遍存在的动态模糊信息,提出了基于DFS(动态模糊集)建模的动态模糊决策树算法,并给出了对包含非动态模糊属性、缺少属性值的输入样例的匹配算法,很好地解决了模糊控制系统所不能解决的动态性问题。
2) fuzzy decision tree
模糊决策树
1.
Approach of Wear Particle Classification by Fuzzy Decision Tree;
磨损微粒识别的模糊决策树方法
2.
Application of Fuzzy Decision Tree in Identifying of Grinding Condition;
模糊决策树在磨削状态识别中的应用
3.
Text categorization rule extraction based on fuzzy decision tree;
基于模糊决策树的文本分类规则抽取
3) fuzzy decision trees
模糊决策树
1.
Study of voltage and reactive power control approach based on fuzzy decision trees for substations;
基于模糊决策树的变电站电压无功控制方法研究
2.
Application of fuzzy decision trees to the public critical system;
模糊决策树在公共危机应急系统中的应用
3.
We got a characteristic classification rule from fuzzy decision trees.
通过生成的模糊决策树,并结合实际情况,给出了一个有特色的模糊分类规则。
4) fuzzy decision tree induction
模糊决策树归纳
1.
Clustering-Based Data Preprocessing s Impact on Fuzzy Decision Tree Induction;
基于聚类的数据预处理对模糊决策树归纳的影响
2.
During the fuzzy decision tree induction,the triangular membership function is often used for the fuzzification of data preprocessing.
在模糊决策树归纳过程中,数据的模糊化预处理通常使用三角形隶属函数,该隶属函数的中心点参数将决定数据模糊化的效果,进而影响模糊决策树的执行效率、精度和规模。
5) fuzzification of decision tree
决策树的模糊化
1.
Then the fuzzification of decision tree is introduced and a new adaptive classification algorithm is proposed.
引入决策树的模糊化方法及分支 (规则 )激活度的概念 ,给出一种新的自适应分类算法 。
6) Fuzzy decision tree (FDT)
模糊决策树(FDT)
补充资料：模糊决策
在模糊环境下进行决策的数学理论和方法。严格地说，现实的决策大多是模糊决策。模糊决策的研究开始较晚，但涉及的面很广，至今还没有明确的范围。常用的模糊决策方法有模糊排序、模糊寻优和模糊对策等。
模糊排序 研究决策者在模糊环境下如何确定各种决策方案之间的优劣次序。例如，给定一个模糊序（一个反身、传递的二元模糊关系），或给定一个不传递的普通二元关系，如何近似地排出一个全序；对于有多种指标、多个效用函数的问题，如何利用模糊集合论的方法综合成一个排优次序，多层次的决策问题又应当如何排序。这些问题都已获得初步的解答。
模糊寻优 给定方案集及各种目标函数和限制条件以后，寻求最优方案便成了一个优化问题。若目标函数或约束条件是模糊的，这时的最优化就称为模糊寻优。目标函数模糊化的一种途径是以模糊数作为目标函数值，通过模糊数的分析、运算来寻求条件极值。约束条件的模糊化是将约束定义成模糊集合。在线性规划中这样的推广导致模糊线性规划的研究，其结果是使普通的线性规划应用范围更广，能更加灵活地适应各种不同的情况。在非线性规划中有非对称模型和对称模型两种数学模型。
①非对称模型：把接受约束作为先决条件，目标与约束二者的地位不是对称的。给定论域 X上的目标函数f(x)和X上的约束条件模糊集合 D，所谓在约束D之下极大化f的最优解M，就是X上的一个模糊子集,它具有隶属函数
当等式右端的集合为空集时，μM(x)屌0。
②对称模型：把目标和约束两者置于对称的地位。给定论域X上的目标函数f(x)和模糊限制集合D。设
令μF(x)＝(f(x)－m)/(s－m)F是X上的一个模糊子集，其隶属函数与目标函数呈线性关系，称为目标集合，记为
μN(x)＝min(F(x)，D(x))(凬 x ∈D)，N 就是对称模型下的模糊最优解。
模糊对策 当决策者在对方也有决策的情况下进行决策时，就需要应用对策论。如果双方在选取策略时接受一定的模糊约束，这就需要应用模糊对策论。
参考书目
D.Dubois, H.Prade, Fuzzy Sets and Systems,Academic Press, New York,1980.
模糊排序 研究决策者在模糊环境下如何确定各种决策方案之间的优劣次序。例如，给定一个模糊序（一个反身、传递的二元模糊关系），或给定一个不传递的普通二元关系，如何近似地排出一个全序；对于有多种指标、多个效用函数的问题，如何利用模糊集合论的方法综合成一个排优次序，多层次的决策问题又应当如何排序。这些问题都已获得初步的解答。
模糊寻优 给定方案集及各种目标函数和限制条件以后，寻求最优方案便成了一个优化问题。若目标函数或约束条件是模糊的，这时的最优化就称为模糊寻优。目标函数模糊化的一种途径是以模糊数作为目标函数值，通过模糊数的分析、运算来寻求条件极值。约束条件的模糊化是将约束定义成模糊集合。在线性规划中这样的推广导致模糊线性规划的研究，其结果是使普通的线性规划应用范围更广，能更加灵活地适应各种不同的情况。在非线性规划中有非对称模型和对称模型两种数学模型。
①非对称模型：把接受约束作为先决条件，目标与约束二者的地位不是对称的。给定论域 X上的目标函数f(x)和X上的约束条件模糊集合 D，所谓在约束D之下极大化f的最优解M，就是X上的一个模糊子集,它具有隶属函数
当等式右端的集合为空集时，μM(x)屌0。
②对称模型：把目标和约束两者置于对称的地位。给定论域X上的目标函数f(x)和模糊限制集合D。设
令μF(x)＝(f(x)－m)/(s－m)F是X上的一个模糊子集，其隶属函数与目标函数呈线性关系，称为目标集合，记为
μN(x)＝min(F(x)，D(x))(凬 x ∈D)，N 就是对称模型下的模糊最优解。
模糊对策 当决策者在对方也有决策的情况下进行决策时，就需要应用对策论。如果双方在选取策略时接受一定的模糊约束，这就需要应用模糊对策论。
参考书目
D.Dubois, H.Prade, Fuzzy Sets and Systems,Academic Press, New York,1980.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条