面向缺失數(shù)據(jù)的變精度粗糙集決策樹分類算法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)在各個領(lǐng)域的廣泛應用加快了人們探索大量數(shù)據(jù)背后隱藏信息的步伐。人們希望借助數(shù)據(jù)挖掘的方法對嚴重威脅人類健康的冠心病進行有效的研究，而決策樹分類算法作為數(shù)據(jù)挖掘技術(shù)中的數(shù)據(jù)分析方法，高精度的分類準確率、直觀的決策結(jié)果、較高的泛化能力使它成為研究冠心病的較理想方法。但是，由于缺失值以及噪聲數(shù)據(jù)的存在，我們得到的分析結(jié)果并不能用于實際中的冠心病診治工作。因此，本文針對缺失數(shù)據(jù)處理和決策樹分類對噪聲數(shù)據(jù)敏感的不足，提出了相應的改進辦

2、法。本文的主要研究內(nèi)容主要分以下幾個方面:
　　 (1)冠心病數(shù)據(jù)自身的特點決定了它的屬性值多為離散類型的，而現(xiàn)存的KNN填充算法只適用于處理連續(xù)型屬性并且未充分考慮缺失事例之間的聯(lián)系。因此，本文提出了一種既可以處理離散和連續(xù)類型屬性又能充分利用其他所有事例對該缺失事例的影響程度進行有針對性的填充。該方法使用灰色系統(tǒng)中的灰色關(guān)聯(lián)分析理論選取與需要填充的數(shù)據(jù)事例最相似的K的事例，根據(jù)這K個事例攜帶信息量的大小使用加權(quán)平均的方法對缺

3、失的數(shù)據(jù)值進行填充。最后用標準UCI數(shù)據(jù)集的對比實驗說明本文提出的填充算法優(yōu)于其他的算法。
　　 (2)幾乎所有的數(shù)據(jù)集都存在或多或少的噪聲數(shù)據(jù)，冠心病數(shù)據(jù)集中的噪聲數(shù)據(jù)對決策樹分類的結(jié)果影響較大。為此，本文提出了一種基于尺度函數(shù)的變精度粗糙集屬性選擇標準，該標準同時考慮屬性的加權(quán)近似精度和屬性值個數(shù)，提高了對噪聲數(shù)據(jù)的抗干擾能力，減弱了屬性選擇時的偏向性，提高了分類精度。同時在樹的預剪枝過程中引入抑制因子閾值、支持度和置信度，