基于粗糙集分类算法研究与实现

被引：5

作者：

李勃 ^{[1
]}

王艳兵 ^{[2
]}

姚青 ^{[2
]}

机构：

[1] 鲁东大学计算机科学与技术学院

[2] 山东大学计算机科学与技术学院

来源：

计算机工程与应用 | 2008年 / 15期

关键词：

数据挖掘; 分类; 决策树; 粗糙集; ID3; 熵;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1201 ;

摘要：

数据挖掘是人工智能中知识发现的重要组成部分,而分类又是一种主要的应用形式。ID3算法是数据挖掘中经典的决策树分类算法,ID3算法具有抗噪声能力差的缺点。通过对分类和粗糙集理论的研究,将可变精度粗糙集理论的思想应用在计算属性信息熵时设定阈值上,以放宽属性选择的要求,从而对经典的ID3算法作了相应的改进。改进后的ID3算法(称之为VPID3算法)可在一定程度上降低噪声对系统分类的干扰,提高了有数据有噪声情况下的分类精度。另外根据该算法设计并实现了一个分类器,并通过实验检验了该算法的性能。

引用

页码：142 / 144+157 +157

页数：4

共 5 条

[1] 信息熵在粗糙集理论中的应用 [J].

梁吉业 ;

孟晓伟 .

山西大学学报(自然科学版), 2002, (03) :281-284

[2] 基于熵和变精度粗糙集的规则不确定性量度 [J].

陈湘晖 ;

朱善君 ;

吉吟东 .

清华大学学报(自然科学版), 2001, (03) :109-112

[3]

Induction of decision trees.[J].J. R. Quinlan.Machine Learning.1986, 1

[4]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,

[5]

Rough集理论与知识获取.[M].王国胤编著;.西安交通大学出版社.2001,

← 1 →