數(shù)據(jù)挖掘中判定樹算法的研究與優(yōu)化.pdf

1、數(shù)據(jù)分類是數(shù)據(jù)挖掘的一個(gè)重要方法。數(shù)據(jù)分類是通過分析訓(xùn)練集數(shù)據(jù)，產(chǎn)生關(guān)于類別的精確描述或模式，這種類描述可以用來對未來的數(shù)據(jù)進(jìn)行分類，有著廣泛的應(yīng)用前景。目前常用的分類規(guī)則挖掘方法有決策樹方法、貝葉斯分類算法、遺傳算法和粗集理論等。 在上述方法中，決策樹算法描述較簡單，容易轉(zhuǎn)化成分類規(guī)則，但同時(shí)存在得不到全局最優(yōu)解的問題；遺傳算法雖然能解決大空間、多峰值和非線性等高復(fù)雜度問題，但也存在算法收斂于局部最小值的過早收斂問題。由此，本

2、文提出了一種基于混合遺傳模擬退火算法的分類決策樹方法(GSDA算法)。GSDA算法將遺傳算法引入到已有的分類決策樹挖掘算法中，提出了一個(gè)新的基于混合遺傳模擬的算法。本算法在決策樹的編碼上，改進(jìn)了常用的二進(jìn)制編碼方式，采用了決策樹直接編碼的方式，提高了運(yùn)算的精確性。與此同時(shí)，GSDA算法還引入了混合優(yōu)化的思想，彌補(bǔ)了常用算法中局部性最優(yōu)的問題。提出了相應(yīng)的適應(yīng)度函數(shù)，同時(shí)提出了適合本文的剪枝操作，使得挖掘出的規(guī)則不但正確性更高，而且整體算