基于覆蓋粗糙集理論決策樹的構造.pdf

1、粗糙集是一種用來處理不精確、不確定數據的數學方法，可以用來發(fā)現隱藏在數據中的知識。粗糙集理論已經成功地應用到機器學習、數據挖掘、模式識別等領域。屬性約簡作為粗糙集研究的核心內容，可以刪除決策系統(tǒng)中的冗余屬性，提高工作效率，節(jié)省存儲空間，降低系統(tǒng)計算的復雜度。經典粗糙集通過屬性對論域劃分定義等價關系，僅可以處理屬性取值為單值的數據集，對于樣本取值為集值、缺失值的一些特殊問題還不能解決。覆蓋粗糙集通過覆蓋代替劃分解決屬性取集值的問題。決策樹

2、學習是一種逼近離散值函數的分類方法，其核心任務就是把所有樣例分類到離散值所對應的類別中。目前，決策樹已成功地應用到文本學習、信用風險評估和天體分類等眾多領域。
　　現對本文的主要工作總結如下:
　　1.在第三章中，對于不一致的集值決策系統(tǒng)，定義了一種基于覆蓋粗糙集的，且保持置信度較高的可能性規(guī)則的置信度不低于給定閾值的θ-屬性約簡，推廣了基于覆蓋粗糙集的屬性約簡。本文通過辨識矩陣中的極小元素計算θ-屬性約簡，既可以刪除決策系

3、統(tǒng)中的冗余屬性，降低決策系統(tǒng)的計算復雜度，同時可以處理決策系統(tǒng)的噪聲與不一致性。
　　2.在第四章中，針對不一致決策系統(tǒng)，本章通過信息增益與置信度生成決策樹。在決策樹的生成過程中，利用信息增益選取結點，根據置信度確定決策樹中規(guī)則的長度避免過度擬合，及早停止樹的增長。此算法不僅提取了所有置信度不低于給定閾值θ的可能性規(guī)則，而且省去了對決策樹修剪的步驟，并通過置信度刻畫決策樹中的可能性規(guī)則。由此構造的不一致決策樹不僅結構簡單，而且包含