基于覆蓋粗糙集理論決策樹的構(gòu)造.pdf

1、粗糙集是一種用來處理不精確、不確定數(shù)據(jù)的數(shù)學(xué)方法，可以用來發(fā)現(xiàn)隱藏在數(shù)據(jù)中的知識(shí)。粗糙集理論已經(jīng)成功地應(yīng)用到機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識(shí)別等領(lǐng)域。屬性約簡(jiǎn)作為粗糙集研究的核心內(nèi)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(chǔ)空間，降低系統(tǒng)計(jì)算的復(fù)雜度。經(jīng)典粗糙集通過屬性對(duì)論域劃分定義等價(jià)關(guān)系，僅可以處理屬性取值為單值的數(shù)據(jù)集，對(duì)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(xué)習(xí)是一種逼近離散值函數(shù)的分類方法，其核心任務(wù)就是把所有樣例分類到離散值所對(duì)應(yīng)的類別中。目前，決策樹已成功地應(yīng)用到文本學(xué)習(xí)、信用風(fēng)險(xiǎn)評(píng)估和天體分類等眾多領(lǐng)域。
　　現(xiàn)對(duì)本文的主要工作總結(jié)如下:
　　1.在第三章中，對(duì)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(jiǎn)，推廣了基于覆蓋粗糙集的屬性約簡(jiǎn)。本文通過辨識(shí)矩陣中的極小元素計(jì)算θ-屬性約簡(jiǎn)，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(jì)算復(fù)雜度，同時(shí)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(duì)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(jié)點(diǎn)，根據(jù)置信度確定決策樹中規(guī)則的長(zhǎng)度避免過度擬合，及早停止樹的增長(zhǎng)。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(duì)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(gòu)造的不一致決策樹不僅結(jié)構(gòu)簡(jiǎn)單，而且包含