基于粗糙集的分類算法研究.pdf

1、數(shù)據(jù)挖掘是利用分析工具從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取出隱含在其中、事先未知、但又潛在有用的信息和知識。數(shù)據(jù)分類是數(shù)據(jù)挖掘的重要內(nèi)容之一。目前用于分類的方法有很多，如粗糙集、決策樹、貝葉斯網(wǎng)絡(luò)、遺傳算法等。 粗糙集理論是波蘭數(shù)學(xué)家Z．Pawlak于1982年提出的一種新的處理模糊和不確定性知識的數(shù)學(xué)工具。其主要思想就是在保持分類能力不變的前提下，通過知識約簡，導(dǎo)出問題的決策或分類規(guī)則。決策樹是通過一組無次

2、序、無規(guī)則的實例推理出樹表現(xiàn)形式的分類規(guī)則，它有易理解、易訓(xùn)練、易實施和通用性強等優(yōu)點。粗糙集和決策樹都是常用的分類方法，本文將兩者相結(jié)合，取長補短，對數(shù)據(jù)進行分類挖掘，主要研究內(nèi)容包括： 1.對屬性約簡算法進行研究。大多數(shù)情況下，知識庫存在冗余的屬性，冗余屬性既是對計算機資源的浪費(需要大量的存儲空間)，也會干擾人們做出正確而簡潔的決策，所以有必要對屬性進行約簡。本文首先介紹了粗糙集中有關(guān)約簡的相關(guān)概念，然后分析了幾種典型的屬

3、性約簡算法，最后提出了一種基于遺傳算法的粗糙集屬性約簡算法，給出了算法的基本思想、詳細(xì)設(shè)計過程、基本框架，并通過實例證明了本文算法能夠快速有效地進行屬性約簡。 2.對決策樹分類方法進行研究。根據(jù)何種度量準(zhǔn)則選擇屬性作為節(jié)點是決策樹構(gòu)造的一個關(guān)鍵問題。本文對現(xiàn)有的決策樹算法進行研究，在原ID3算法的基礎(chǔ)上，結(jié)合粗糙集理論和決策樹基本原理，提出使用粗糙集理論選擇屬性作為節(jié)點來構(gòu)造決策樹，然后利用PEP后剪枝方法的優(yōu)點，選擇其為樹剪枝