基于粗糙集的數(shù)據(jù)挖掘算法研究與應(yīng)用.pdf

1、作為知識發(fā)現(xiàn)中的核心環(huán)節(jié),數(shù)據(jù)挖掘能夠從海量數(shù)據(jù)中提取有價(jià)值的信息,是當(dāng)前人工智能和信息科學(xué)研究領(lǐng)域中的熱點(diǎn)課題?；诖植诩臄?shù)據(jù)挖掘,就是利用粗糙集理論及方法從數(shù)據(jù)中挖掘出新穎的、有用的知識的過程。決策樹是數(shù)據(jù)挖掘中最常用的方法,具有速度快、結(jié)構(gòu)簡單、易理解等優(yōu)點(diǎn)。然而在實(shí)際應(yīng)用過程中,現(xiàn)存的決策樹算法有著許多不足之處,本文將粗糙集與決策樹相結(jié)合,對優(yōu)化決策樹算法進(jìn)行了深入分析和研究。
　　1、粗糙集部分。分析討論了差別矩陣約簡

2、算法,并提出了簡化差別矩陣約簡方法。該方法用等價(jià)類構(gòu)造差別矩陣,與單個(gè)元素參與差別矩陣構(gòu)造相比更易得到?jīng)Q策表的約簡;由于屬性的知識量越大,說明它的區(qū)分力越強(qiáng),提出了一種基于屬性區(qū)分力的決策表知識約簡方法。該方法將差別矩陣與屬性區(qū)分力相結(jié)合,與基于正區(qū)域等方法相比,它更容易搜索到屬性約簡。
　　2、決策樹部分。結(jié)合粗糙集,提出了基于區(qū)分價(jià)值的決策樹優(yōu)化算法。該方法根據(jù)屬性區(qū)分價(jià)值的不同,把屬性分成兩部分,能夠較快地得到區(qū)分價(jià)值較高的