基于粗糙集的一种决策树构造方法

摘要：

决策树是归纳学习问题中常见的一种知识表示形式,经典的决策树算法往往是通过信息熵的计算去选择分枝属性,计算量大而复杂.本文利用粗糙集理论中属性之间的依赖性度量,以及由此定义的特征(条件属性)对于系统分类结果的重要性来选取分枝属性.通过这种方法只要通过简单的集合运算,可以得到等效的决策树.

关键词： 决策树 信息熵 粗糙集 属性依赖性度量

作者: 刘志伟 倪志伟 赖建章

作者单位: 合肥工业大学管理学院,安徽,合肥,230009

会议类型: 国内会议

会议名称: 中国自动化学会第21届青年学术年会

会议地点: 山东烟台

会议语种:中文

页码: 508-511

在线出版日期: 2006-08-04（万方平台首次上网日期，不代表论文的发表时间）