学位论文 > 优秀研究生学位论文题录展示

分类中基于粗糙集理论的决策树算法研究

作　者: 秦燕芬
导　师: 何海涛
学　校: 燕山大学
专　业: 计算机软件与理论
关键词: 决策树离散化属性约简差别矩阵协同进化二进制编码
分类号: TP18
类　型: 硕士论文
年　份: 2010年
下　载: 46次
引　用: 0次
阅　读: 论文下载

内容摘要

决策树方法是一种广泛使用的用于分类的方法,它通过一组无次序,无规则的实例推理出决策树表示形式的分类规则,从而找到一些有价值的、潜在的信息。本文通过对数据集和决策树算法的处理和改进来提高预测分类精度和降低时间复杂度。首先,对连续属性离散化算法进行了比较,提出了一种序列区间拆分算法(SISA),该算法先根据决策属性值相同而条件属性值不同划分成不同的区间,然后再将候选断点插入到这些区间,最后在区间范围内的值用不同的离散值表示出来,通过实例可以得出该算法处理过程简单并易于实现。其次,为了除去分类数据中冗余的属性,本文提出了一种基于简化差别矩阵的属性约简算法(SDMAR)。该算法在属性约简之前,先对数据进行了化简,得到简化决策表。根据简化决策表构造差别矩阵,通过计算差别矩阵中属性出现次数达到对决策表属性约简的目的。通过算法及实例分析得到属性约简过程的时间复杂度有所减小。最后,本文提出了一种基于协同进化的决策树分类算法,引入了遗传学中的二进制编码,这样使得交叉、变异等操作便于实现;用一种新的方法去计算适应度。训练数据集二进制编码后,根据特征划分成不同的子集,每个子集分别使用协同进化方法,协同进化过程一直进行下去,直到找到满意的决策树。本文使用C语言对上述算法进行实现,实验表明,本文所提出的算法在解决各自的问题上是有效的,在时间上低于同类算法,预测精度上得到了提高,实现了预期的研究目标。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-20
  1.1 研究的背景及意义  10-11
  1.2 国内外研究现状  11-17
    1.2.1 离散化方法的研究现状  11-13
    1.2.2 属性约简方法的研究现状  13-15
    1.2.3 决策树的研究现状  15-17
  1.3 存在的主要问题  17-18
  1.4 课题的主要研究内容  18
  1.5 本文的结构安排  18-20
第2章分类算法中连续属性离散化方法  20-31
  2.1 引言  20-21
  2.2 问题的定义与描述  21
  2.3 连续属性离散化算法分析比较  21-27
    2.3.1 离散化算法优劣的评价标准  22
    2.3.2 单变量连续属性离散化  22-25
    2.3.3 多变量连续属性离散化  25-27
  2.4 基于序列区间的连续属性离散化算法  27-30
    2.4.1 SISA 算法描述  27-28
    2.4.2 实例分析  28-30
  2.5 本章小结  30-31
第3章分类算法中基于差别矩阵的属性约简方法  31-42
  3.1 引言  31-32
  3.2 问题的定义与描述  32-36
    3.2.1 问题的提出  32-34
    3.2.2 问题的定义与描述  34-36
  3.3 基于决策表的数据简化  36-37
    3.3.1 DS 算法描述  36-37
    3.3.2 DS 算法分析  37
  3.4 基于差别矩阵的属性约简  37-39
    3.4.1 SDMAR 算法描述  38
    3.4.2 SDMAR 算法效率分析  38-39
  3.5 实例分析  39-41
  3.6 本章小结  41-42
第4章分类算法中基于协同进化的决策树算法  42-54
  4.1 引言  42-43
  4.2 问题定义与描述  43-47
  4.3 协同进化算法  47-49
    4.3.1 合作型协同进化算法  47
    4.3.2 竞争型协同进化算法  47-48
    4.3.3 协同进化算法的特点  48-49
  4.4 基于协同进化的决策树算法  49-52
    4.4.1 ICEDT 算法描述  49-50
    4.4.2 实例分析  50-52
  4.5 本章小结  52-54
第5章算法实现及实验分析  54-60
  5.1 引言  54
  5.2 SISA 算法的实验  54-58
    5.2.1 实验数据设置  54-55
    5.2.2 实验环境设置  55
    5.2.3 实验步骤  55
    5.2.4 实验结果及分析  55-58
  5.3 ICEDT 算法的实验  58-59
    5.3.1 实验数据设置  58
    5.3.2 实验环境设置  58-59
    5.3.3 实验结果及分析  59
  5.4 本章小结  59-60
结论  60-62
参考文献  62-66
攻读硕士学位期间承担的科研任务与主要成果  66-67
致谢  67-68
作者简介  68

分类中基于粗糙集理论的决策树算法研究

内容摘要

全文目录

相似论文