决策树可以分为两类:清晰决策树和模糊决策树。通常,模糊决策树算法是在清晰决策树算法的基础上进行改进得到的,是对清晰决策树算法的扩展。本文从相反的角度出发,对Yuan提出的模糊决策树算法进行改进,给出了一种新的清晰决策树算法。文中首先介绍了决策树的相关理论,给出了几种常用的清晰决策树算法和模糊决策树算法,然后,对Yuan的模糊决策树算法进行改进,提出了基于分类不可指定性的清晰决策树算法。最后,对我们的算法和其他清晰决策树算法进行比较:首先,我们在离散型数据库上对我们给出的清晰决策树算法和ID3算法进行比较,在连续型数据库上对我们给出的清晰决策树算法和C4.5算法进行比较,试验结果表明,在基本达到ID3算法和C4.5算法分类精度的条件下,我们的算法构建的决策树规模较ID3和C4.5要小;然后对我们算法中所用的启发式和基于信息熵的启发式进行比较,指出我们所用的启发式有不同于信息熵启发式的特性。