基于變精度粗糙集的決策樹(shù)分類算法研究.pdf

1、數(shù)據(jù)挖掘自上世紀(jì)80年代后期出現(xiàn)以來(lái),經(jīng)過(guò)二十多年的發(fā)展,現(xiàn)在已成為機(jī)器學(xué)習(xí)和人工智能這兩大熱門(mén)領(lǐng)域的重要研究?jī)?nèi)容。特征屬性提取、冗余屬性約簡(jiǎn)、分類精度和算法效率的提高以及相關(guān)算法針對(duì)某特定領(lǐng)域或背景的改進(jìn)和應(yīng)用都是目前數(shù)據(jù)挖掘的研究重點(diǎn)。在數(shù)據(jù)挖掘的所有方法中,決策樹(shù)分類算法以其計(jì)算量小、容易理解、運(yùn)行結(jié)果直觀易懂等優(yōu)點(diǎn),受到眾多學(xué)者關(guān)注。所以,本文通過(guò)對(duì)相關(guān)領(lǐng)域現(xiàn)有算法的深入研究,針對(duì)屬性約簡(jiǎn)和決策樹(shù)分類存在的不足,做出相應(yīng)的改進(jìn),

2、并選擇多個(gè)UCI數(shù)據(jù)集做對(duì)比實(shí)驗(yàn),取得不錯(cuò)的效果。具體來(lái)說(shuō),主要研究?jī)?nèi)容包括以下三個(gè)方面:
　　 (1)在進(jìn)行屬性約簡(jiǎn)時(shí),現(xiàn)有算法所采用的重要屬性選擇標(biāo)準(zhǔn)傾向于選擇取值個(gè)數(shù)較多的屬性,而沒(méi)有考慮屬性取值的有效性。因此,本文提出了一種新的重要屬性選擇標(biāo)準(zhǔn),該標(biāo)準(zhǔn)使用了支持度對(duì)屬性的有效取值進(jìn)行統(tǒng)計(jì),并將有效取值個(gè)數(shù)和β逼近精度綜合作為衡量屬性重要性的標(biāo)準(zhǔn)。
　　 (2)本文針對(duì)現(xiàn)有決策樹(shù)分類算法存在的對(duì)噪聲數(shù)據(jù)敏感和分裂屬

3、性選擇困難等不足,結(jié)合變精度粗糙集能夠容忍噪聲數(shù)據(jù)的優(yōu)點(diǎn),提出了一種新的分裂屬性選擇標(biāo)準(zhǔn),該標(biāo)準(zhǔn)從變精度明確區(qū)和信息論的角度進(jìn)行綜合考慮,使得改進(jìn)算法構(gòu)造的決策樹(shù)既能有效抵抗噪聲數(shù)據(jù)又具有較高的正確分類率。另外,通過(guò)引入置信度和支持度的概念實(shí)現(xiàn)在決策樹(shù)構(gòu)建過(guò)程中的預(yù)剪枝,可以有效降低樹(shù)的規(guī)模；將匹配度應(yīng)用到對(duì)測(cè)試數(shù)據(jù)的類標(biāo)號(hào)預(yù)測(cè)中,提高分類精度。
　　 (3)將經(jīng)過(guò)屬性提取、數(shù)據(jù)預(yù)處理等步驟的冠心病中醫(yī)診療病例作為實(shí)驗(yàn)數(shù)據(jù)。首先