[发明专利]一种结合马尔科夫决策过程的动作知识提取方法

权利要求书

1.一种结合马尔科夫决策过程的动作知识提取方法，其特征在于，包括如下步骤：

步骤1：训练随机森林模型H；

步骤2：定义动作知识提取问题AKE：针对随机森林模型H，对属性进行分割，定义属性变化、动作，在此基础上定义动作知识提取问题AKE；

步骤3、用马尔科夫决策过程求解AKE优化问题：对任意输入数据，定义马尔科夫决策过程MDP，并定义策略，通过策略迭代更新策略，最后求解得到一个最优策略。

2.如权利要求1所述的一种结合马尔科夫决策过程的动作知识提取方法，其特征在于，步骤1中的训练随机森林模型H具体为：

给定一个训练数据集，建立一个随机森林模型H；定义训练数据集为{X,Y}，X为输入数据向量集合，Y为输出类别标记集合，通过随机采样和完全分裂建立随机森林模型H，随机森林模型H的预测函数为

$p(y=c|\stackrel{\→}{x})=\frac{{\Σ}_{d-1}^D{w}_{d}I\left(o_d\right(\stackrel{\→}{x})=c)}{{\Σ}_{d-1}^D{w}_d}$

其中，为输入向量，y∈Y，y为随机森林模型H在输入向量为的情况下输出的预测分类，c为期望分类目标，d为第d棵决策树，D为随机森林中决策树的总棵数，w_d为第d棵决策树的权重，为第d棵决策树在输入的情况下对应的输出，为指示函数，表示在输入数据向量为的情况下输出的预测分类为c的概率。