基于粗糙集的數據挖掘算法研究與應用.pdf

1、作為知識發(fā)現中的核心環(huán)節(jié),數據挖掘能夠從海量數據中提取有價值的信息,是當前人工智能和信息科學研究領域中的熱點課題?；诖植诩臄祿诰?就是利用粗糙集理論及方法從數據中挖掘出新穎的、有用的知識的過程。決策樹是數據挖掘中最常用的方法,具有速度快、結構簡單、易理解等優(yōu)點。然而在實際應用過程中,現存的決策樹算法有著許多不足之處,本文將粗糙集與決策樹相結合,對優(yōu)化決策樹算法進行了深入分析和研究。
　　1、粗糙集部分。分析討論了差別矩陣約簡

2、算法,并提出了簡化差別矩陣約簡方法。該方法用等價類構造差別矩陣,與單個元素參與差別矩陣構造相比更易得到決策表的約簡;由于屬性的知識量越大,說明它的區(qū)分力越強,提出了一種基于屬性區(qū)分力的決策表知識約簡方法。該方法將差別矩陣與屬性區(qū)分力相結合,與基于正區(qū)域等方法相比,它更容易搜索到屬性約簡。
　　2、決策樹部分。結合粗糙集,提出了基于區(qū)分價值的決策樹優(yōu)化算法。該方法根據屬性區(qū)分價值的不同,把屬性分成兩部分,能夠較快地得到區(qū)分價值較高的