[發(fā)明專利]一種結(jié)合馬爾科夫決策過程的動作知識提取方法

在審

• 申請?zhí)枺?/td>: 201710173631.7
• 申請日: 2017-03-22
• 公開（公告）號: CN106997488A
• 公開（公告）日: 2017-08-01
• 發(fā)明（設(shè)計）人: 呂強(qiáng);李兆榮;李歡
• 申請（專利權(quán)）人: 揚州大學(xué)
• 主分類號: G06N99/00
• 分類號: G06N99/00;G06K9/62
• 代理公司: 南京理工大學(xué)專利中心32203
• 代理人: 唐代盛

1.一種結(jié)合馬爾科夫決策過程的動作知識提取方法，其特征在于，包括如下步驟：

步驟1：訓(xùn)練隨機(jī)森林模型H；

步驟2：定義動作知識提取問題AKE：針對隨機(jī)森林模型H，對屬性進(jìn)行分割，定義屬性變化、動作，在此基礎(chǔ)上定義動作知識提取問題AKE；

步驟3、用馬爾科夫決策過程求解AKE優(yōu)化問題：對任意輸入數(shù)據(jù)，定義馬爾科夫決策過程MDP，并定義策略，通過策略迭代更新策略，最后求解得到一個最優(yōu)策略。

2.如權(quán)利要求1所述的一種結(jié)合馬爾科夫決策過程的動作知識提取方法，其特征在于，步驟1中的訓(xùn)練隨機(jī)森林模型H具體為：

給定一個訓(xùn)練數(shù)據(jù)集，建立一個隨機(jī)森林模型H；定義訓(xùn)練數(shù)據(jù)集為{X,Y}，X為輸入數(shù)據(jù)向量集合，Y為輸出類別標(biāo)記集合，通過隨機(jī)采樣和完全分裂建立隨機(jī)森林模型H，隨機(jī)森林模型H的預(yù)測函數(shù)為

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

其中，為輸入向量，y∈Y，y為隨機(jī)森林模型H在輸入向量為的情況下輸出的預(yù)測分類，c為期望分類目標(biāo)，d為第d棵決策樹，D為隨機(jī)森林中決策樹的總棵數(shù)，w_d為第d棵決策樹的權(quán)重，為第d棵決策樹在輸入的情況下對應(yīng)的輸出，為指示函數(shù)，表示在輸入數(shù)據(jù)向量為的情況下輸出的預(yù)測分類為c的概率。