论文部分内容阅读
空间分类规则挖掘是空间数据挖掘的领域之一。空间分类挖掘广泛应用于机器学习、专家系统、统计学和神经生物等方面。分类算法也很多。我们提出了结合roughset理论与模糊决策树的分类方法,并将其应用于银行信贷等级的风险分类中。
采用roughset理论对空间谓词的提取和属性的约简策略,模糊系统与决策树相结合,既提高了分类效率,又具有较高的分类准确率,分类规则不但具有决策树易被人们理解的语义式的特性,同时具有模糊系统的弹性。
本文的主要工作如下:
首先,应用roughset理论提取空间谓词,进行属性约简。具体分析银行信贷相关业务数据,对大量数据进行处理,蒸发那些无意义的数据,使其变换为相对自然简洁的表示,以便计算机对数据内容更易于理解。
其次,采用一种基于梯形归属函数的模糊决策树方法进行分类。研究模糊系统和决策树相结合,不同归属函数对模糊系统的影响,选择梯形归属函数,对约简后的银行信贷数据进行分类研究。
第三,根据以上研究过程设计出一种分类器,将分类器应用于银行信贷系统,测试分类效果,验证分类方法的实用性、效率以及分类准确率。