一个基于粗集的决策树规则提取算法

摘要：

决策树是数据挖掘任务中分类的常用方法.在构造决策树的过程中,分离属性的选择标准直接影响到分类的效果,传统的决策树算法往往是基于信息论度量的.基于粗糙集的理论提出了一种基于属性重要度和依赖度为属性选择标准的决策树规则提取算法.使用该算法,能提取出明确的分类规则,比传统的ID3算法结构简单,并且能提高分类效率.

关键词：数据挖掘、粗糙集、决策树、属性约简

所属期刊栏目：17

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金60273043;安徽省自然科学基金050420204;安徽省高校拔类人才基金05025102

在线出版日期：2007-12-24（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：110-113