论文部分内容阅读
针对普遍存在的数据不精确与不完备性,提出变精度粗糙集的自适应决策树算法。该算法可以有效抵抗噪声干扰、降低树的复杂度,使用近似精度作为属性选择标准,并以属性粗糙熵辅助决策。通过合理的阈值设置可以提高算法分类精度和抗噪声能力,同时可以自适应地控制决策树的规模。通过3个UCI数据库对比验证,所提算法在不精确不完备数据环境下可获得良好分类结果。