資源描述：
《基于決策樹(shù)和粗糙集的分類方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、密級(jí)：分類號(hào)：了尸專lY9821]0G單位代碼：10422學(xué)號(hào)：加弓J≯≯f8JL莨'。毛碩士學(xué)位論文論文題目：孰球藁樹(shù)和巍拋象厶今裘弓陔研鈕作者姓名至墨壘主!專業(yè)盟望型j!{塑絲掏．指導(dǎo)教師姓名專業(yè)技術(shù)職務(wù)趔§疊丕l盤(pán)絲po6年印月』，日山東大學(xué)碩士學(xué)位論文摘要數(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(jī)的數(shù)據(jù)中，提取出隱含在其中，事先未知、潛在有用的信息和知識(shí)的過(guò)程，建立數(shù)據(jù)間關(guān)系模型，用其做出預(yù)測(cè)，從而為決策者提供輔助．決策樹(shù)是一種常用的分類模型，并以其能直接體現(xiàn)數(shù)據(jù)特點(diǎn)，分類效率高、
2、速度快，理解性好等特點(diǎn)在數(shù)據(jù)挖掘及其它領(lǐng)域中被廣泛使用：粗糙集理論是一種處理不精確、不確定和不完備信息的有效方法，隨著其在各領(lǐng)域中的成功應(yīng)用，引起各國(guó)廣大學(xué)者的關(guān)注．本文圍繞決策樹(shù)和粗糙集理論進(jìn)行了相關(guān)的研究和創(chuàng)新，主要內(nèi)容包括；首先，對(duì)決策樹(shù)、粗糙集理論和粗糙集中信息熵的表現(xiàn)形式進(jìn)行‘了系統(tǒng)的研究，分析了信息熵與粗糙集理論中上、下近似之間的關(guān)系．考慮到經(jīng)典的ID3算法用求熵的方法選擇節(jié)點(diǎn)分裂屬性時(shí)沒(méi)有考慮到噪聲的影響，對(duì)噪聲比較敏感，而可變精度粗糙集理論對(duì)噪聲有很好的抑制作用，所以，結(jié)合可變精度的思想對(duì)ID3算
3、法進(jìn)行了改進(jìn)，使其更能適應(yīng)噪聲比例較大的數(shù)據(jù)集，更加符合實(shí)際要求．其次，粗糙集理論中的屬性約簡(jiǎn)方法可以在不影響分類能力的前提下對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化，為此，提出了一種基于屬性重要性概念的啟發(fā)式的屬性約簡(jiǎn)算法．而后，用提出的基于屬性重要性的屬性約簡(jiǎn)方法對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化，以改進(jìn)后的ID3算法為建樹(shù)算法，根據(jù)建樹(shù)算法的特點(diǎn)選擇了基于期望誤分率的后剪枝算法為樹(shù)的剪枝算法，設(shè)計(jì)了一個(gè)分類器：之后，‘用UCI數(shù)據(jù)庫(kù)中的多個(gè)數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了模擬實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，這種改進(jìn)后的決策樹(shù)生成算法在抑制噪聲方面要優(yōu)于改進(jìn)前的ID3算法
4、，其實(shí)用性更好．最后，對(duì)論文工作做了總結(jié)、分析了存在的問(wèn)題，指出了下一步的工作．關(guān)鍵詞：數(shù)據(jù)挖掘：分類：決策樹(shù)：ID3算法：粗糙集山東大學(xué)碩士學(xué)位論文ABSTRACTDataminingistheprocessthatUSeStheanalyticaltoolstoextractsomeimplicit，unknown，potentiallyusefulinformationandknowledgefromlarge，incomplete，noise，fuzzyandstochasticdatasets，then
5、therelationshipamongdatacouldbeestablished，thusforecastcouldbemadewithit，andassistancecouldbeprovidedforthepolicy-maker．Decisiontreeisacommonclassificationmodel，anditisusedwidelyindataminingandotherfieldsbecausethatitcanreflectcharacteristicsofdatadirectly，an
6、ditisefficient，fast，easytounderstand；Roughsetstheoryisaeffectivemethodindealingwithimprecise，uncertainandincompletedata，andithasbeenappliedsuccessfullyinalotofdomains，so，roughsetstheorygetsmoreattentionfromscholarsinmanycountries．Aresearchwasmadeandsomenewide
7、aswereputforwardinthispaperbasingondecisiontreeandroughsetstheory，themaincontentsofpaperarelistedasfollow：Inthefirst，aresearchwasmadebasingonDecisiontree，Roughsetstheoryandhowitisrepresentedbyentropy，andtherelationshipwasanalyzedbetweenupper-lowerapproximatio
8、nandentropy．BecausetheeffectofnoisehasnotbeenthoughwhenusedtheentropymethodtoselectthesplittingattributeinfamousID3algorithm，soitissensitivitytonoise，butvariableprecisionroughsetcouldrest
