面向缺失數(shù)據(jù)的變精度粗糙集決策樹(shù)分類算法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)在各個(gè)領(lǐng)域的廣泛應(yīng)用加快了人們探索大量數(shù)據(jù)背后隱藏信息的步伐。人們希望借助數(shù)據(jù)挖掘的方法對(duì)嚴(yán)重威脅人類健康的冠心病進(jìn)行有效的研究，而決策樹(shù)分類算法作為數(shù)據(jù)挖掘技術(shù)中的數(shù)據(jù)分析方法，高精度的分類準(zhǔn)確率、直觀的決策結(jié)果、較高的泛化能力使它成為研究冠心病的較理想方法。但是，由于缺失值以及噪聲數(shù)據(jù)的存在，我們得到的分析結(jié)果并不能用于實(shí)際中的冠心病診治工作。因此，本文針對(duì)缺失數(shù)據(jù)處理和決策樹(shù)分類對(duì)噪聲數(shù)據(jù)敏感的不足，提出了相應(yīng)的改進(jìn)辦

2、法。本文的主要研究?jī)?nèi)容主要分以下幾個(gè)方面:
　　 (1)冠心病數(shù)據(jù)自身的特點(diǎn)決定了它的屬性值多為離散類型的，而現(xiàn)存的KNN填充算法只適用于處理連續(xù)型屬性并且未充分考慮缺失事例之間的聯(lián)系。因此，本文提出了一種既可以處理離散和連續(xù)類型屬性又能充分利用其他所有事例對(duì)該缺失事例的影響程度進(jìn)行有針對(duì)性的填充。該方法使用灰色系統(tǒng)中的灰色關(guān)聯(lián)分析理論選取與需要填充的數(shù)據(jù)事例最相似的K的事例，根據(jù)這K個(gè)事例攜帶信息量的大小使用加權(quán)平均的方法對(duì)缺

3、失的數(shù)據(jù)值進(jìn)行填充。最后用標(biāo)準(zhǔn)UCI數(shù)據(jù)集的對(duì)比實(shí)驗(yàn)說(shuō)明本文提出的填充算法優(yōu)于其他的算法。
　　 (2)幾乎所有的數(shù)據(jù)集都存在或多或少的噪聲數(shù)據(jù)，冠心病數(shù)據(jù)集中的噪聲數(shù)據(jù)對(duì)決策樹(shù)分類的結(jié)果影響較大。為此，本文提出了一種基于尺度函數(shù)的變精度粗糙集屬性選擇標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)同時(shí)考慮屬性的加權(quán)近似精度和屬性值個(gè)數(shù)，提高了對(duì)噪聲數(shù)據(jù)的抗干擾能力，減弱了屬性選擇時(shí)的偏向性，提高了分類精度。同時(shí)在樹(shù)的預(yù)剪枝過(guò)程中引入抑制因子閾值、支持度和置信度，