区间值属性不完全信息下的数据挖掘

不完全信息下的数据挖掘是一个困难的问题 ,但它在实际决策中是不可避免的。除空值和层次型概念外 ,区间值属性的处理是典型的不完全信息问题。本文基于粗集理论和扩张矩阵等理论 ,首先分析区间值属性的优选是 NP问题 ,然后提出了一种分割极小点区间值属性的启发式决策树生成算法 ,并构造了概率决策树和模糊决策树 ,以改进传统决策树数据挖掘方法的不足。