数据挖掘(DM-Data Mining)是运用基于计算机的方法,包括其它新技术,从大量的数据中搜寻有价值的、非同寻常的新信息的过程。数据挖掘的核心技术算法主要有统计分析方法、神经网络、决策树方法、遗传算法等。其中决策树方法是一种广泛使用的用于分类的方法,它通过一组无次序,无规则的实例推理出决策树表示形式的分类规则,从而找到一些有价值的、潜在的信息。目前很多决策树构造方法得到的决策树,都具有较好的精度,但是存在着计算量大、泛化能力受限制的缺点,而粗糙集理论是由波兰数学家Z.Pawlak提出的继概率论、模糊集、证据理论之后的又一个处理不确定性知识的数学工具,近年来其有效性已在许多科学与工程领域的成功应用中得到证实。基于此,决策树分类方法引入粗糙集理论,本文通过理论分析和实验验证,得出基于粗糙集理论的决策树分类方法取得了较好的结果。通过分析基于粗糙集理论的决策树后剪枝方法,发现各种后剪枝方法存在只注重整体的缺点并提出了解决策略—基于叶结点的决策树剪枝方法。本文具体内容安排如下:1决策树构造简单介绍决策树,主要讲述著名的决策树构造方法ID3算法及由其改进并得到广泛使用的C4.5算法。2决策树剪枝决策树剪枝是提高决策树的泛化能力、防止过匹配(over-fitting)现象的有效方法。剪枝策略有预剪枝和后剪枝,本文对六种后剪枝方法进行了分析。3基于粗糙集理论的决策树构造和剪枝方法粗糙集理论具有处理不确定性知识的能力,本章将粗糙集理论引入决策树构造和剪枝方法以消除噪声的影响,实现在计算复杂度较小的情况下,得到精度较高的决策树。4基于叶结点的决策树剪枝方法决策树后剪枝方法往往通过比较决策树中非叶结点剪枝前后的效果,制定剪枝策略的标准,忽略了每个叶结点的贡献,影响剪枝的效果。为避免这一现象,本文提出基于叶结点的决策树剪枝方法,将每个叶结点的重要性作为剪枝策略的依据,并通过实例验证了这一思想的可行性。