资源描述：
《基于粗糙分类度决策树算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、科学技术与工程基于粗糙分类度的决策树算法吴明泉1，刘童璇1，陈晓伟1（中国石油大学（华东）计算机与通信工程学院东营257061）1摘要在构造决策树的过程中，属性分裂标准直接影响分类的效果。本文针对ID3算法对属性分类精度强调不足问题，基于粗糙集理论提出了粗糙分类度的概念，将粗糙分类度作为选择分离属性的标准。该方法充分考虑了属性分类精度对分类结果造成的影响，兼顾了条件属性与决策属性的依赖性。经实验证明，相比传统的基于信息熵方法构造的决策树，有效的提高了分类的准确率。关键词分类精度；属性相关程度；粗糙集；决策树；信息增益中图分类号：TP182文献标识码:AAn
2、AlgorithmforDecisionTreeConstructionBasedonDegreeofRoughClassificationZHANGQiong-sheng1,WUMing-quan1,LIUTong-xuan1,CHENXiao-wei1,(CollegeofComputerandCommunication,ChinaUniversityofPetroleum,Dongying257061,China)1AbstractIntheprocessofdecisiontreeconstruction,propertydivisionstand
3、ardsdirectlyaffecttheclassificationresults.AimedatweaknessofID3innicetyofgrading,weprovidetheconceptofdegreeofroughclassificationasselectcriteriaofseparationofproperty.Themethodtookintoaccountnicetyofgradinganddependencybetweenconditionattributesanddecisionattributes.Comparedwitht
4、raditionaldecisiontreebasedentropy,theexperimentprovedthatthedecisiontreeconstructedinourmethodeffectivelyimprovestheclassificationresults.KeywordsClassificationAccuracy;AttributeRelevance;RoughSet;DecisionTree;InformationGain1引言决策树学习是以示例学习为基础的归纳推理算法，着眼于从一组无次序、无规则的事例推出决策树表示形式的规则。在
5、解决分类问题的各种方法中，决策树方法是运用最广泛的一种，它采用自顶向下、分而治之的方法将搜索空间分为若干个互不相交的子集，形成一种类似于流程图的树状结构，这种方法速度快、易于转换成简单而便于理解的分类规则。ID3[2]算法是一种基于信息熵的决策树学习算法，是决策树算法的代表，但是基于信息熵的方法只考虑了属性之间的互信息，即属性对决策结果的影响，而没有考虑构建决策树的分类精度，从而降低了分类的效率和效果。基金项目：中国石油化工股份有限公司基金项目（P02049）作者简介：张琼声(1968-),女,副教授,主要研究领域为软件工程、智能系统，操作系统等；吴明泉（
6、198？）男,硕士研究生,主要研究领域为操作系统、智能系统.刘童璇(1985-),男,硕士研究生,主要研究领域为操作系统.、软件工程。陈晓伟(1985-),女,硕士研究生,主要研究领域为专家系统、软件工程；E-mail：zqsheng@upc.edu.cn粗糙集理论是波兰数学家Z.Pawlak在1982年提出的一种分析数据的数学理论，主要用来处理不确定和不精确信息。其特点是不需要预先给定某些特征和属性的数量描述，而是直接从给定问题的描述集合出发，找出该问题的内在规律，其基本思想更接近现实情况。现已有部分研究将粗集理论应用于决策树中，如文献[1]先对样本集进
7、行属性约简，然后根据核构建决策树，该方法构建的决策树通过使用属性约简后去除了噪声和冗余属性。文献[6]定义了分辨率，使用分辨率作为分裂属性的标准来构建决策树。文献[7]使用粗糙集中的属性分类粗糙度作为分裂属性的标准，根据属性分类粗糙度构建决策树，另外文中提出使用变精度粗糙集去除噪声的方法。文献[8][9]都使用了边界域作为分裂属性的标准，其中[9]为避免决策树过于细化而引入了抑制因子，当抑制因子小于一定值后，决策树不再扩展。文献[12]提出使用核属性和辨明矩阵来选择对分类贡献最大的属性。文献[13]中提出了使用决策属性对条件属性的依赖度作为启发信息来选择属
8、性。本文提出使用粗糙分类度来构建决策树。基于粗糙分类度的决策树是以
