决策树学习在RoboCup仿真球队中的应用研究

通过对基于决策树的学习方法的探讨,该文提出了一种用于RoboCup仿真球队中Agent“行为选择能力”的训练算法,使得Agent能够根据当前场上的状态,决定下一步的行动。并以射门为实例,用该方法对Agent进行训练,使Agent学会判断当前状态是否可以射门,在不可射门的情况下选择下一步的行动。     

一类对Jenolek属性约简算法的新的改进方法

在分析了Jenolek属性约简算法和已有的对其改进算法的基础上，提出了一类新的改进方法，主要是利用辅助空间保存属性信息，并且利用排序操作、决策表预处理、寻找核属性集、属性扩展等技术，在保持Jenolek算法性能不变的情况下在时间复杂度方面比已有的方法获得了更大的改进。