基于决策树的数据挖掘算法研究与应用 |
您所在的位置:网站首页 › 数据挖掘技术与应用论文范文 › 基于决策树的数据挖掘算法研究与应用 |
来自
掌桥科研
喜欢
0
阅读量: 1432 作者: 李明壮 展开 摘要: 数据挖掘是信息处理领域的一项重要课题,它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。分类是数据挖掘的重要功能之一,基于决策树的分类算法在数据挖掘中的应用是非常广泛的。与其他分类算法相比,决策树具有计算量相对较小、易于提取显式规则、可以显示重要的决策属性和分类准确率较高等优点。 然而在实际应用过程中,现存的决策树算法也存在着很多不足之处,如计算效率低下、生成树的规模较大等。因此,进一步改进决策树算法,提高决策树的性能,使其更加适合数据挖掘技术的应用要求具有重要的理论和实际意义。 针对上述不足,本文进行了深入的研究,将粗糙集理论引入决策树分类当中,对如何优化决策树分类算法进行了探索。本文主要研究工作如下: 首先,论文介绍了数据挖掘的相关技术和理论基础,并重点对决策树生成及后剪枝算法进行了分析和比较。 其次,从属性约简和剪枝两方面对决策树算法进行优化,提出了基于属性依赖度的属性约简算法ER和基于粗糙集理论的决策树后剪枝算法Prune。 最后,将优化的决策树算法应用于供应商评价系统当中,并将该算法与C4.5算法作了比较,验证了该算法的有效性。 展开 关键词: 数据挖掘;分类;决策树;粗糙集理论 学位级别: 硕士 DOI: 10.7666/d.y1362993 被引量: 79 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |