基于粗糙集的决策树算法在体检系统中的研究

摘要

基于粗糙集的理论全面考虑了分离属性每个划分对整个分类的贡献程度,把这些贡献度进行汇总,避免局部最佳效应.在此基础上结合变精度模型,用变精度近似精度来代替近似精度.提出了一种新的变精度分支汇总粗糙度的概念,把变精度分支汇总粗糙度作为属性选择标准构造决策树.既提高了属性选择的准确度又有效克服噪声数据的影响,使生成的决策树灵活泛化能力更强.将算法应用于武汉市康龙逸君健康体检中心的信息管理系统.经实际数据验证,该算法生成的决策树复杂度低,分类效果好.