基于粗糙集技術的分類規(guī)則抽取方法.pdf

1、歸納學習的核心問題是從給定的數據集中抽取分類規(guī)則，決策樹歸納是一種典型的分類規(guī)則抽取方法，擴展屬性的選擇是決策樹歸納的核心問題，基于離散化的連續(xù)值決策樹歸納在選擇擴展屬性時，需要度量每一個條件屬性的每一個割點的分類不確定性，并通過這些割點的不確定性選擇擴展屬性，計算時間復雜度高。針對這一問題，本文提出了一種基于相容粗糙集技術的連續(xù)值屬性決策樹規(guī)則抽取方法。該方法首先利用相容粗糙集技術選擇擴展屬性，然后找出該屬性的最優(yōu)割點，分割樣例集并遞

2、歸地構建決策樹。另外，針對壓縮近鄰規(guī)則方法尋找一致子集計算復雜度非常高的問題，本文還提出了基于粗糙集技術的壓縮近鄰規(guī)則抽取方法。該方法分為三步：首先利用粗糙集方法求屬性約簡（特征選擇），這樣能將冗余的屬性去掉；然后選取靠近邊界域的樣例，這樣能將冗余的樣例去掉；最后從選出的樣例中計算一致子集。從理論上分析了本文提出的算法的計算復雜度并在多個數據集上進行了實驗，實驗結果及對實驗結果的統(tǒng)計分析均表明本文提出的方法在計算復雜度和分類精度方面均優(yōu)