论文研究基于变精度粗糙集的决策树优化算法研究 .pdf

为了获得有效的属性最小相对约简，提出了一种基于自适应遗传算法的粗糙集知识约简算法。该算法将核引入遗传算法的初始群体来提高算法的性能，依照决策属性对条件属性的依赖度，在加强局部搜索能力的同时保持了该算法

一种基于规则集的决策树分类方法，叶恒晟，陆月明，在求解分类问题的方法中，决策树是最有用的方法之一。这种方法需要构建一棵树对分类过程进行建模。一旦建好了树，就可以将其应用

故障树分析法在实施过程中会遇到计算量大的问题，二元决策图是解决这个问题的一种新途径。故障树转化为二元决策图涉及的一个关键问题就是对基本事件的排序，但是基本事件排序是一个NP问题。为了解决这个问题提出了

属性约简是粗糙集理论中的重要问题。许多学者针对邻域粗糙集提出多种属性约简方法，包括应用最为广泛的启发式算法。在多半径邻域粗糙集的基础上，针对当前启发式约简算法往往会包含一定冗余属性的缺陷，提出一种融合

从cnki上下载的一些基于贝叶斯的决策树算法研究的论文。

 针对目前的入侵检测系统(IDS)准确度不高、自适应性差、检测效率低等问题,本文基于决策树分类算法,设计了一个基于决策树的入侵检测系统模型,将决策树算法作为分类器应用于入侵检测的过程

首先采用企业的客户数据作为样本数据进行客户的稳定性分析,然后,提出了一种基于ID3算法的改进分类算法,该分类新的算法是在经典ID3算法基础上引入粗糙组合属性的思想,使得期望非叶节点到各叶节点的平均路径

决策树算法的研究与改进,决策树是数据挖掘中重要的分类方法,本文在研究和比较几种经典的决策树算法基础上,提出了一种改进的决策树算法:基于度量的决策树(MBDT).这种决策树实际上是把线性分类器和决策树结

基于epsilon支配概念的epsilon-MOEA（ε-MOEA）算法具有良好的收敛性和分布性，但是存在epsilon值不易设置，解集中边界个体容易丢失等缺陷。通过结合粗糙集理论中边界域的概念，提出

针对现有的基于流形距离的聚类算法对“绝对流形”数据集较“相对流形”数据集聚类效果佳和参数[ρ]在较大范围内变化时，聚类性能较差等问题，提出基于改进流形距离的粗糙集k-means聚类算法。该算法通过用属