原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于知识粗糙度的混合变量决策树生成方法.pdf
维普资讯
第 8 年 期 计 算 机 技术 与 发 展 voJ
． 18 № ．1
2008 1月 COMPUFERTE(HNOL(X；YANDDEVEIL)PMENT Jna ． 2008
基于知识粗糙度的混合变量决策树生成方法
路红梅 ，一，胡学钢
(1．合肥工业大学计算机与信息学院，安徽 合肥 230009；
2．宿州学院计算机系，安徽 宿州 234000)
摘 要：单变量决策树难以反映信息系统属性间的关联作用，构造的决策树往往规模较大。多变量决策树能较好地反映
属性间的关系，得到非常简单的决策树，但使构造的决策树难以理解。针对以上两种决策树特点，提出了基于知识粗糙度
的混合变量决策树的构造方法，选择知识粗糙度较小的分类属性来构造决策树。实验结果表明，这是一种操作简单、效率
很高的决策树生成方法。
关键词：粗糙集 ；知识粗糙度 ；单变量决策树 ；多变量决策树；混合变量决策树
中田分类号 ：TP18 文献标识码：A 文章编号 ：1673—629X(2008)01—0056—03
ConstructionofHybridDecisionTreeBasedonKnowledgeRoughness
LU Hong—mei，一，HU Xue-gang
(1．SchoolofComputerScienceandInformationEngineering，HefeiUniversityofTechnology，Hefei230009，China；
2．DepartmentofComputerScience，SuzhouCollege，Suzhou234000，China)
Abstract：Itisdifficultforunivariatedecisiontreetoreflecttherelationshipofattributes，multivariatedecisino treecanresolvethispmb．
1empreferably，theofrmerproducesbigtre~，thelattergainssimpletreebutdifficulttOexplain，Aim toupwardspoints，inthispaper，ad．
vanceall砌【wledgeroughnessbasedapproachtohybriddceisiontree，selcetlessknowledgeroughn~sastestedattributetoconstl-Hetdcei·
tree．Asare~lt，findthisisagD0dapproachwithsimpleoperationandhigherefficiency．
KeyⅥ rds：roughsets；knowledgeroughness；univariatedceisiontree；multivariatedceisointree；hybriddceisiontree
0 引 言 点，胡学钢等提出了混合变量决策树结构[5I，文中在此
决策树分类方法由于具有速度快、精度高、生成模 基础上提出了基于知识粗糙度的混合变量决策树的构
式简单等优点 l【】而得到了广泛应用。大多数决策树构 造方法，选择知识粗糙度较小的分类属性来构造决策
造方法在每个节点上只检验单个属性，这种单变量决 树。实验结
文档评论（0）