基于決策樹的數(shù)據(jù)挖掘方法在化學(xué)模式分類中的應(yīng)用.pdf

1、隨著計算機技術(shù)和現(xiàn)代測試分析技術(shù)的發(fā)展,在化學(xué)化工領(lǐng)域積累了大量的數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)的產(chǎn)生和發(fā)展為從這些數(shù)據(jù)獲取有用知識提供了有力的工具。數(shù)據(jù)挖掘工具的有效性,總是與各個領(lǐng)域的數(shù)據(jù)特點緊密的結(jié)合在一起。本文針對化學(xué)模式分類中的數(shù)據(jù)具有高維、復(fù)共線性和帶有噪音的特點,利用決策樹及其預(yù)處理過程,對連續(xù)屬性的離散化、屬性篩選、規(guī)則獲取、化學(xué)模式分類建模等進行了研究,并介紹了各種數(shù)據(jù)挖掘方法和決策樹的基本理論,以及化學(xué)化工數(shù)據(jù)挖掘所面臨的問題。

2、全文主要內(nèi)容如下:(1)由于化學(xué)分類數(shù)據(jù)集大多為連續(xù)型數(shù)據(jù)集,若要提高決策樹分類器的性能,須先將連續(xù)型數(shù)據(jù)離散化,以方便進一步的處理過程。本文系統(tǒng)闡述了連續(xù)屬性離散化的原理、方法以及國內(nèi)外的研究現(xiàn)狀。通過分析各種算法的特點和適用性,針對實際化學(xué)數(shù)據(jù)特點,選擇最小描述長度劃分法(MDLP)對數(shù)據(jù)進行離散化。與其它方法相比,MDLP算法穩(wěn)定、離散化效果令人滿意。(2)大多數(shù)數(shù)據(jù)集都包含冗余屬性,這些冗余屬性的存在不僅增加數(shù)據(jù)處理的工作量和復(fù)