[发明专利]基于模糊划分的判别方法

权利要求书

1.将目标值根据实际需要离散化，再采用模式识别的方法进行建模，提取相应的模型，再进行优化。这在一定程度上可提高正确率，并增加结果的可理解性。

2.如权利要求1所述，为了克服离散划分带来的边界突变，可采用模糊划分来实现各个区间的平滑过渡。

3.具体模糊划分方法的流程包括，具体的模糊划分，参数修改和具体分类算法。

4.从一棵决策树中提取分类规则的方法如下：对每一个叶节点，求出从根节点到该叶节点的路径。该路径上所有的节点的划分条件并在一起，即构成一条分类规则。多少个节点对应着多少条规则。

5.如权利要求4中所述，决策树的生成是一个从上至下，分而治之的过程。它从根结点开始，对数据样本进行测试，根据不同的结果，将数据样本划分成不同的数据样本子集，每个数据样本子集构成一子结点。对每个子结点再进行划分，生成新的子结点。不断反复，直至达到特定的终止准则。生成的决策树每个叶结点对应一个分类。对于生成的决策树，可从根结点开始，由上至下，提取规则，也可对数据点进行分类或预报。

6.如权利要求5中所述，对一个样本进行分类时，从树的根节点开始，根据每个节点对应的划分将其归到相应的子节点，直至叶节点。叶节点所对应的类别就是该样本对应的分类。

7.对于连续值属性的问题而言，采取属性之间的线性组合作为划分模型是比较有效而合理的。这样的划分模型形式简单，模型参数求解也相对简单。并且提取的规则利于理解。即使样本空间分布复杂，通过多次超平面划分，总可将样本空间简化。