基于粗糙集理論的屬性約簡(jiǎn)與決策樹(shù)分類(lèi)算法研究.pdf

1、現(xiàn)如今，我們正身處在一個(gè)“大數(shù)據(jù)”的時(shí)代，每天產(chǎn)生的大量數(shù)據(jù)之中隱藏著各種各樣有價(jià)值的信息。如何從海量數(shù)據(jù)中高效地挖掘出有用的信息，是數(shù)據(jù)挖掘技術(shù)研究的熱點(diǎn)問(wèn)題。決策樹(shù)算法因其簡(jiǎn)單高效在數(shù)據(jù)挖掘的分類(lèi)領(lǐng)域被廣泛采用。由于冗余和不一致數(shù)據(jù)的存在，對(duì)決策樹(shù)算法在分類(lèi)效率和分類(lèi)準(zhǔn)確率兩方面產(chǎn)生了一定程度的影響，并且普遍采用的單變量決策樹(shù)算法生成的決策樹(shù)規(guī)模較大。因此，本文將粗糙集理論中的屬性約簡(jiǎn)與決策樹(shù)算法相結(jié)合，提出了改進(jìn)算法，具有較強(qiáng)的理

2、論研究意義和實(shí)際應(yīng)用價(jià)值。本文的主要研究?jī)?nèi)容分為以下幾個(gè)部分:
　　(1)原有的屬性約簡(jiǎn)算法通常是在整個(gè)數(shù)據(jù)集上進(jìn)行的，且對(duì)于不相容數(shù)據(jù)采用的是直接刪除的方法?？紤]到這兩方面的缺陷，本文提出了改進(jìn)的簡(jiǎn)化決策表算法。該算法既刪除了冗余數(shù)據(jù)又保留了不相容數(shù)據(jù)。通過(guò)UCI數(shù)據(jù)集的對(duì)比實(shí)驗(yàn)表明，該算法能有效減少原始數(shù)據(jù)集對(duì)象數(shù)目，為后續(xù)的屬性約簡(jiǎn)算法和決策樹(shù)算法提高效率。
　　(2)針對(duì)基于差別矩陣的求核屬性算法和代數(shù)定義下的求核屬

3、性算法的缺陷，本文提出了基于信息熵理論的求核屬性算法。通過(guò)該算法求得的核屬性表明，對(duì)于相容決策表，代數(shù)定義下的約簡(jiǎn)和基于信息熵的約簡(jiǎn)是一致的。但對(duì)于不相容決策表，代數(shù)約簡(jiǎn)只能保證相容部分的U/IND(P)不發(fā)生改變，而基于信息熵的約簡(jiǎn)能使得對(duì)于整個(gè)數(shù)據(jù)集的U/IND(P)不發(fā)生改變，即代數(shù)定義下求得的核屬性是信息熵下的一部分。在求得的核屬性基礎(chǔ)上，本文提出了基于屬性重要度的完備屬性約簡(jiǎn)算法。
　　(3)針對(duì)單變量決策樹(shù)算法生成的決