基于決策樹和信息熵的屬性約簡(jiǎn)算法研究.pdf

1、數(shù)據(jù)挖掘是一種快速的、高效的、智能的數(shù)據(jù)分析方法，用于發(fā)現(xiàn)大量數(shù)據(jù)背后隱含的信息。粗糙集理論作為一種處理不確定和不精確性問題的新的數(shù)學(xué)工具，已廣泛應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域，該理論不需要任何先驗(yàn)知識(shí)并且能夠簡(jiǎn)化輸入信息的表達(dá)空間。屬性約簡(jiǎn)要求在保持知識(shí)庫的分類能力不變的條件下，刪除其中不必要的屬性，形成精簡(jiǎn)的規(guī)則庫以幫助人們做出正確的決策。尋求高效的屬性約簡(jiǎn)算法是粗糙集理論的主要研究內(nèi)容，在數(shù)據(jù)挖掘領(lǐng)域具有重要意義。
　　本文提出了一種基

2、于變精度粗糙集的決策樹構(gòu)造算法和一種基于自適應(yīng)粒子群和信息熵的屬性約簡(jiǎn)算法。
　　一是在變精度粗糙集理論的基礎(chǔ)上，提出的一種利用新的啟發(fā)式函數(shù)構(gòu)造決策樹的算法。該算法把變精度加權(quán)平均粗糙度作為分類屬性的選擇標(biāo)準(zhǔn)，在決策樹構(gòu)造中用確切的置信度標(biāo)記決策樹的規(guī)則，使得到的決策規(guī)則更易理解，且相應(yīng)的算法應(yīng)用MATLAB程序進(jìn)行實(shí)現(xiàn)，并通過實(shí)例說明所給算法的有效性。
　　二是在分析模糊粗糙集的基礎(chǔ)上，提出的一種基于自適應(yīng)粒子群和信息熵