本文介绍了模糊模式树（FPT）和二分决策树（BDD）这两种机器学习和数据结构方法。FPT作为分类方法，类似二元决策图，适用于资源有限的物联网场景，但计算复杂度较高。BDD是表达布尔函数的数据结构，基于Shannon分解的有向无环图。布尔函数则是通过对布尔输入进行逻辑计算得到布尔值的函数。
- 模糊模式树
- 二分决策树
1.布尔函数
模糊模式树（FPT） 是一种机器学习的分类方法，类似于二元决策树（binary descision diagram,BDD）。其内部节点使用广义（模糊）逻辑和算数运算符标记，叶节点与给定输入属性集合上的（一元）模糊谓词相关联
模糊模式树（FPT）
在预测性能方面与其他机器学习竞争的方法相比是有竞争力的，由于物联网节点处理资源有限，他倾向于生成在解释方面非常有吸引力的紧凑模型。
其缺点也很明显:其计算复杂度高，运行时间可能变得令人无法接受。
二分决策树（BDD）
BDD是用来表达布尔函数的一种数据结构。是一种基于shannon分解的有向无环图。
设f为一组布尔变量集合的布尔函数（boolean function），且x为集合X中的变量，则shannon分解及其if-then-else(ite)形式为
式中x和 x-bar 分别代表事件发生，事件不发生；fx=1（即F1）和fx=0&#
最低0.47元/天 解锁文章
2053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
