粗集在决策树优化中的应用

被引：17

作者：

赵卫东

李旗号

机构：

[1] 复旦大学管理学院!上海

[2] 合肥工业大学机械汽车学院!合肥

来源：

系统工程学报 | 2001年 / 04期

关键词：

决策树; 粗糙集; 可分辨性; 分划; 离散化;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

决策树是一种重要的数据开采方法 ,但构造最优决策树是一个 NP困难问题 .分析了以往决策树构造方法的不足 ,并从决策树最优化的观点详细研究了决策树构造过程中的几个重要问题 .为防止决策树过细的分支 ,引入粗糙集可分辨的概念用于符号值属性的分划 ,并选择遗传算法优化求解 .有关连续属性的处理 ,也给出了类似符号值属性分化的近似最小离散方法 .在测试生成过程中还讨论了事例推理接口 .基于上述分析 ,提出了决策树优化算法 .这种算法从树的规模和分类精度都优于许多决策树算法

引用

页码：289 / 295

页数：7

共 4 条

[1] 基于案例推理的决策问题求解研究 [J].