基于粗糙集合理論的決策樹構(gòu)造算法研究.pdf

1、數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)是(KnowledgeDiscoveryinDatabases，簡(jiǎn)稱KDD)是當(dāng)前涉及人工智能和數(shù)據(jù)庫(kù)等學(xué)科的一門相當(dāng)活躍的研究領(lǐng)域，分類是其中的一個(gè)重要研究方向。決策樹是分類中常用的模型之一，自1966年被提出以來(lái)已經(jīng)得到了廣泛的研究和應(yīng)用。然而，由于其種類偏見和抗噪性差等問題，使決策樹優(yōu)化成為研究人員關(guān)注的熱點(diǎn)。 本文基于粗糙集合理論對(duì)決策樹構(gòu)造算法的優(yōu)化問題展開研究，主要工作如下： 1.綜述并分析了現(xiàn)

2、有決策樹經(jīng)典算法及優(yōu)化算法。 2.提出了混合變量決策樹結(jié)構(gòu)，并基于該結(jié)構(gòu)提出了基于粗集的混合變量決策樹算法RSH及其改進(jìn)算法RSH2。RSH算法遍歷所有的屬性子集，選擇盡可能少的屬性明確劃分盡可能多的實(shí)例；RSH2通過對(duì)屬性的預(yù)排序，不用遍歷所有的屬性子集，因而可以快速地得到最佳的屬性組合。 3.針對(duì)傳統(tǒng)決策樹抗噪性較差的問題，基于可變精度粗集模型提出了VPRsDt算法，利用粗糙集合的相關(guān)理論來(lái)進(jìn)行決策樹分裂屬性的選擇和