基于粗糙集理論的屬性約簡與決策樹分類算法研究.pdf

1、現(xiàn)如今，我們正身處在一個“大數(shù)據(jù)”的時代，每天產(chǎn)生的大量數(shù)據(jù)之中隱藏著各種各樣有價值的信息。如何從海量數(shù)據(jù)中高效地挖掘出有用的信息，是數(shù)據(jù)挖掘技術(shù)研究的熱點問題。決策樹算法因其簡單高效在數(shù)據(jù)挖掘的分類領(lǐng)域被廣泛采用。由于冗余和不一致數(shù)據(jù)的存在，對決策樹算法在分類效率和分類準(zhǔn)確率兩方面產(chǎn)生了一定程度的影響，并且普遍采用的單變量決策樹算法生成的決策樹規(guī)模較大。因此，本文將粗糙集理論中的屬性約簡與決策樹算法相結(jié)合，提出了改進(jìn)算法，具有較強的理

2、論研究意義和實際應(yīng)用價值。本文的主要研究內(nèi)容分為以下幾個部分:
　　(1)原有的屬性約簡算法通常是在整個數(shù)據(jù)集上進(jìn)行的，且對于不相容數(shù)據(jù)采用的是直接刪除的方法。考慮到這兩方面的缺陷，本文提出了改進(jìn)的簡化決策表算法。該算法既刪除了冗余數(shù)據(jù)又保留了不相容數(shù)據(jù)。通過UCI數(shù)據(jù)集的對比實驗表明，該算法能有效減少原始數(shù)據(jù)集對象數(shù)目，為后續(xù)的屬性約簡算法和決策樹算法提高效率。
　　(2)針對基于差別矩陣的求核屬性算法和代數(shù)定義下的求核屬

3、性算法的缺陷，本文提出了基于信息熵理論的求核屬性算法。通過該算法求得的核屬性表明，對于相容決策表，代數(shù)定義下的約簡和基于信息熵的約簡是一致的。但對于不相容決策表，代數(shù)約簡只能保證相容部分的U/IND(P)不發(fā)生改變，而基于信息熵的約簡能使得對于整個數(shù)據(jù)集的U/IND(P)不發(fā)生改變，即代數(shù)定義下求得的核屬性是信息熵下的一部分。在求得的核屬性基礎(chǔ)上，本文提出了基于屬性重要度的完備屬性約簡算法。
　　(3)針對單變量決策樹算法生成的決