基于粗糙集与属性值聚类的决策树改进算法

摘要：

采用粗糙集理论和属性值聚类相结合的方法,从决策树最优化的三个原则对其进行优化.首先,采用粗糙集理论的约简功能求出相对核,并利用信息熵作为启发信息求出相对约简,以此来保证生成决策树的路径最短和减少决策树的节点数.其次,在选择特征属性时,在信息熵增益最大的前提下,根据属性值间的相异性距离来对属性值聚类使其能够接近单峰分布.通过对UCI数据实验分析,结果表明很大程度上减少了决策树的节点数和决策树的深度.

关键词：粗糙集理论、决策树、属性约简、ID3算法、信息熵

所属期刊栏目：43

分类号：TP301(计算技术、计算机技术)

在线出版日期：2007-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：178-181