分類中基于粗糙集理論的決策樹算法研究.pdf

1、決策樹方法是一種廣泛使用的用于分類的方法，它通過一組無次序，無規(guī)則的實(shí)例推理出決策樹表示形式的分類規(guī)則，從而找到一些有價值的、潛在的信息。本文通過對數(shù)據(jù)集和決策樹算法的處理和改進(jìn)來提高預(yù)測分類精度和降低時間復(fù)雜度。
　　首先，對連續(xù)屬性離散化算法進(jìn)行了比較，提出了一種序列區(qū)間拆分算法(SISA)，該算法先根據(jù)決策屬性值相同而條件屬性值不同劃分成不同的區(qū)間，然后再將候選斷點(diǎn)插入到這些區(qū)間，最后在區(qū)間范圍內(nèi)的值用不同的離散值表示出來，

2、通過實(shí)例可以得出該算法處理過程簡單并易于實(shí)現(xiàn)。
　　其次，為了除去分類數(shù)據(jù)中冗余的屬性，本文提出了一種基于簡化差別矩陣的屬性約簡算法(SDMAR)。該算法在屬性約簡之前，先對數(shù)據(jù)進(jìn)行了化簡，得到簡化決策表。根據(jù)簡化決策表構(gòu)造差別矩陣，通過計算差別矩陣中屬性出現(xiàn)次數(shù)達(dá)到對決策表屬性約簡的目的。通過算法及實(shí)例分析得到屬性約簡過程的時間復(fù)雜度有所減小。
　　最后，本文提出了一種基于協(xié)同進(jìn)化的決策樹分類算法，引入了遺傳學(xué)中的二進(jìn)制編