基于云变换和Rough集扩展模型的判定树构造

摘要

针对现有判定树算法在处理空缺值和连续值以及知识表达上不精确性和复杂性问题,提出基于云变换和Rough扩展模型的判定树构造算法.该算法利用云变换来离散化连续属性,然后根据概念集,采用极大判定法对每个数值型属性的原始属性值进行软划分,从而得到离散属性值.最后利用特性关系下的加权平均粗糙度来选取当前结点的分裂属性来递归生成判定树.与C5.0算法相比,新算法可妥善处理空缺值、合理离散连续属性.试验结果表明,该算法具有良好的实用性.