2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、數(shù)據(jù)挖掘是利用分析工具從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中,提取出隱含在其中、事先未知、潛在有用的信息和知識(shí)的過(guò)程,建立數(shù)據(jù)間關(guān)系模型,用其做出預(yù)測(cè),從而為決策者 提供輔助。決策樹(shù)是一種常用的分類(lèi)模型,并以其能直接體現(xiàn)數(shù)據(jù)特點(diǎn),分類(lèi)效率高、速度快、理解性好等特點(diǎn)在數(shù)據(jù)挖掘及其它領(lǐng)域中被廣泛使用:粗糙集理論是一種處理不精確、不確定和不完備信息的有效方法,隨著其在各領(lǐng)域中的成功應(yīng)用,引起各國(guó)廣大學(xué)者的關(guān)注。 本文圍繞

2、決策樹(shù)和粗糙集理論進(jìn)行了相關(guān)的研究和創(chuàng)新,主要內(nèi)容包括: 首先,對(duì)決策樹(shù)、粗糙集理論和粗糙集中信息熵的表現(xiàn)形式進(jìn)行了系統(tǒng)的研究,分析了信息熵與粗糙集理論中上、下近似之間的關(guān)系。考慮到經(jīng)典的ID3算法用求熵的方法選擇節(jié)點(diǎn)分裂屬性時(shí)沒(méi)有考慮到噪聲的影響,對(duì)噪聲比較敏感,而可變精度粗糙集理論對(duì)噪聲有很好的抑制作用,所以,結(jié)合可變精度的思想對(duì)ID3算法進(jìn)行了改進(jìn),使其更能適應(yīng)噪聲比例較大的數(shù)據(jù)集,更加符合實(shí)際要求。 其次,粗糙集

3、理論中的屬性約簡(jiǎn)方法可以在不影響分類(lèi)能力的前提下對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化,為此,提出了一種基于屬性重要性概念的啟發(fā)式的屬性約簡(jiǎn)算法。 而后,用提出的基于屬性重要性的屬性約簡(jiǎn)方法對(duì)數(shù)據(jù)集進(jìn)行簡(jiǎn)化,以改進(jìn)后的ID3算法為建樹(shù)算法,根據(jù)建樹(shù)算法的特點(diǎn)選擇了基于期望誤分率的后剪枝算法為樹(shù)的剪枝算法,設(shè)計(jì)了一個(gè)分類(lèi)器:之后,用UCI數(shù)據(jù)庫(kù)中的多個(gè)數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了模擬實(shí)驗(yàn),實(shí)驗(yàn) 結(jié)果表明,這種改進(jìn)后的決策樹(shù)生成算法在抑制噪聲方面要優(yōu)于改進(jìn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論