作者：陈世联 罗秋瑾粗集决策树条件属性属性依赖度demantaras距离函数
摘要：决策树是一种有效用于分类的数据挖掘方法。在决策树构造算法中,粗集理论的相对核已被应用于解决多变量检验中属性的选择问题。考虑到决策树技术和粗集的优缺点,将二者结合起来,先对每个结点包含的属性个数加以限制,再用属性相关度和DeMantaras距离函数选择相关的属性组合作为属性选择的标准,给出一种新的构造算法。该算法的优点是能有效降低树的高度,而且增强了分类规则的可读性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
