决策树和决策规则系统在分类器、知识表示工具和算法方面发挥重要作用。本文研究了这两个模型之间的关系，考虑了将决策树转换为决策规则系统的逆转换问题，并提出了一种基于贪婪多项式时间算法，在给定属性值元组上模拟决策树操作的方法。
Jan, 2024
研究如何通过建立有向无环图的分类系统来减少测试时间的获取成本，将问题建模为经验风险最小化，通过减少全局目标实现动态编程，从而提高计算效率和性能。
Oct, 2015
我们提出了一种基于知识图谱的树状规则方法，可以扩展规则的应用范围和提高基于规则的方法的推理能力，并通过在四个公共数据集上的实验证明，相比链状规则，在链状规则归纳方法的基础上改进的树状规则在关联预测上表现更好。
Mar, 2024
本文利用经典的统计测试方法，于大数据中设计出一种可扩展且自动化的因果关系探索方法，即基于具有因果解释的决策树分类方法，旨在解决因果关系的发现问题。
Aug, 2015
本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。
Mar, 2013
本文介绍了一个可以通过样本数据推理带循环因果图的因果结构的发现算法，并给出了正确性条件，该算法是稀疏图上的多项式。
Feb, 2013
本文提出了利用一种新标准进行训练贝叶斯决策树的方法，得到的树的分类准确度可与贪婪构造的决策树相媲美或更好，同时树的大小显著减小，并可以在数据集大小的多项式时间内进行后验学习和采样。
Feb, 2023
该研究使用有向无环图 (DAG) 表示随机变量之间的条件独立关系，证明了非递归结构方程模型能够通过有向循环图表示条件独立误差，并推导出满足条件独立约束的充分条件以及非线性系统的变量在相关分布中条件独立的条件。
介绍了一种加入不确定性学习的修改决策树的方法 ——Indecision Trees，可以提供一个稳健的标签概率分布，并可以在其他推理系统中使用。
Jun, 2022
通过决策谓词图（DPG）作为模型无关工具来全局解释基于树的集成模型，并提供额外的定量洞察力，以增强视觉技术，扩展问题空间描述，并提供各种扩展可能性。
Apr, 2024