从粗糙集和决策树两种方法具有的优势互补性出发,提出了一种基于粗糙集和决策树相结合的数据挖掘新方法.以胶合板缺陷检测数据分析为应用对象,利用粗糙集理论对胶合板数据库中的特征信息进行缺陷识别.利用谱系聚类重心距离法对数据进行离散化处理,采用粗糙集进行属性约简,得到低维样本数据,最后用决策树方法产生决策规则.实验证明,这种数据挖掘方法保留了原始数据的内部特点,加快
维普资讯 doc.guandang.net
第2卷第5 7期 2 0 0 6年 5月
东北大学学报 (自然科学版 ) Jun l f otesenUnv r t( trl c n e o ra o r atr i s y Naua S i c ) N h ei e
Vo . 7 No 5 I2, . M a 20 0 6 v
文章编号:10—0 6 2 0 )50 8—4 0 53 2 (0 6 0—4 1 0
基于粗糙集和决策树的数据挖掘方法 吴成东’,许 (. 1东北大学信息科学与工程学院。辽宁沈阳
可,韩中华,裴
涛 1 18 1 6) 0
10 0;沈阳建筑大学信息与控制工程学院,辽宁沈阳 10 4 2
摘
要:从粗糙集和决策树两种方法具有的优势互补性出发,出了一种基于粗糙集和决策提
树相结合的数据挖掘新方法 .以胶合板缺陷检测数据分析为应用对象,利用粗糙集理论对胶合板
数据库中的特征信息进行缺陷识别 .谱系聚类重心距离法对数据进行离散化处理,利用采用粗糙集进行属性约简,得到低维样本数据,最后用决策树方法产生决策规则 .实验证明,这种数据挖掘 方法保留了原始数据的内部特点,加快了获取知识的进程。高了模型的分类准确率,强了规则提增的可解释性,取得了满意的研究结果 .
关
键
词:粗糙集;决策树;数据离散化;数据挖掘;谱系聚类;属性约简 文献标识码:A
中图分类号:T 9 P31
随着计算机技术和信息技术的发展,信息的 增长速度呈指数上升,最近几十年产生了很多超大型数据库,涉及超级市场销售、银行存款、制造业和科学研究等领域 .信息量的急剧增长,使传统分析方法远远不能满足现实的需求 .面对海量数据,如何从中发现有价值的信息或知识,成为一项
的、有用的规则信息等情况 .由于粗糙集和决策树 具有很强的优势互补性,因此,如果将两种方法有
机结合,即采用粗糙集进行数据约简,去除冗余属 性,然后利用决策树方法来产生分类规则,有可能形成新的有效分类方法 .
重要和艰巨的任务,需要提供一种去粗存精、去伪存真的技术,而数据挖掘作为一种潜在的、功能强 大的新技术,能够帮助用户在海量的、隐含的、事先未知的数据中找到重要的和有价值的信息,能预测未来趋势和行为,使商务活动具有前瞻性,有助于用户做出基于知识的决策
. 目,前数据挖掘主要研究热点是由单一的数 据挖掘方法发展为多种方法相结合来获取知识 .
1数据挖掘方法设计 11基于谱系聚类的数据离散化 .
谱系聚类法是广泛应用的一种聚类方法,它是根据植物分类学的思想对研究对象进行分类的 方法 .在植物分类学中,分类的单位是门、、 纲目、科、属和种,中,其种是分类的基本单位,分类单位越小,它所包含的植物就越少,植物间的共同特征就越多 .利用这种分类思想,谱系聚类首先使各样品或变量自成一类,然后把最相似(距离最小或相似系数最大)的样品或变量聚为小类,再将已聚合的小类按其相似性 (用类间距离度量)聚合,再随着相似性的减弱,最后将予类都聚合成一个大类, 从而得到一个按相似性大小聚结起来的一个谱系
本文提出了一种基于粗糙集和决策树结合的数据挖掘新方法 .粗糙集理论在处理大数据量,消除冗
余信息等方面具有一定的优势,因此广泛应用于 数据挖掘的数据预处理、属性约简等方面 .但是, 由于粗糙集理论的分类通常是确定的,且缺乏交
互验证功能,以其结果往往不稳定,所精度不 高_2.】』决策树是一种类似于流程图的树状结构, .
图.谱系聚类法是根据类间距离进行聚类的,类与类之间的距离有多种定义方式,比较常用的有如下 5种方法:最短距离法、长距离法、最类平均距离法、重心距离法、离差平方和距离法 .由于重心距离法与其他方法相比,具有聚类精度高、速度快等优点,故本文采用重心距离法进行数据离散化
这种方法具有速度快,易于转换成简单而便于理 解的分类规则,易于转换成数据库查询语言等优点.然而,当数据集中的属性过多时,用决策树分类易出现结构性差,难以发现一些本来可以找到 收稿日期:2 0—62 0 50—2
基金项目:科技部国际合作莺点项目(0 3 F 2 0 9 . 20D 000 ) 作者简介:吴成东 (9 0 )男, 16,辽宁大连人,东北大学教授,博士生导师 .

的决策 目前, 数据挖掘主要研究热点是由单一的数 据挖掘方法发展为多种方法相结合来获取知识 本文提出了一种基于粗糙集和决策树结合的数据 挖掘新方法 粗糙集理论...
基于粗糙集和决策树的数据挖掘方法基于粗糙集和决策树的数据挖掘方法隐藏>> 文章编号:10-0620)508-4 0532(060-410 基于粗糙集和决策树的数据挖掘方法 吴成东1 ...
决策# 目前, 数据挖掘主要研究热点是由单一的数 据挖掘方法发展为多种方法相结合来获取知识 # 本文提出了一种基于粗糙集和决策树结合的数据 挖掘新方法#粗糙集...
策树的方法 ,并 用变精度 粗糙 集 I对该算法进行优化 ,通过对UI据库 中 b_C数 数据集进行挖掘实验 ,结果表 明,该算法构造出的决策树在 规模、深度和 ...
策树的方法 ,并用变精度 粗糙 集 I对该算法进行优化 ,通过对UI据库中 b_C数 数据集进行挖掘实验 ,结果表 明,该算法构造出的决策树在 规模、深度和分类精度...
数据挖掘 分类 决策树 DM DT 粗糙集数据挖掘 分类 决策树 DM DT 粗糙集隐藏>> 分享到: X 分享到: 使用一键分享,轻松赚取财富值, 了解详情 嵌入播放器:...
基于粗糙集理论的决策树分类方法_哲学_高等教育_教育专区。决策树分类方法摘: 决策树是数据挖掘中常用的分类方法 。本文提出了基于粗糙集的决策树方法 ,利用粗糙集...
基于粗糙集和决策树的医学图像分类研究_专业资料。根据医学图像数据的特性,提出一种基于粗糙集和决策树相结合的数据挖掘新方法。该方法利用粗糙集中基于属性重要性的离...
基于粗糙集和决策树的数据... 4页 2财富值喜欢此文档的还喜欢 ...基于粗糙集和遗传算法的数据挖掘方法胡启韬 袁志平 周忠海无锡 214083 ) (江南...
基于粗糙集理论的数据挖掘... 31页 1财富值 基于粗糙集和决策树的数据... ...基于粗糙集和遗传算法的数据挖掘方法胡启韬 袁志平江苏 周忠海无锡 214083) (...
热门文档