分类在数椐挖掘中是一项非常重要的任务,本文研究的是基于决策树的分类技术。与其他分类技术相比,决策树技术具有许多优点:决策树更易被用户理解;生成决策树的效率更高、更适合大训练集;决策树的生成算法不需要除训练集之外的额外信息;它可以提供更好的精确度。当然决策树技术也有缺点:一方面,它无法删除带噪声的不相关的属性;另一方面,大多数决策树被限制在每个节点上只检验单个属性。 为了克服这些困难,本文引入了粗糙集技术。粗糙集理论是一种处理模糊和不精确知识的数学工具,它具有很强的知识获取能力。粗糙集理论将分类和知识联系在一起,认为知识即是将对象进行分类的能力。尽管粗糙集理论对知识的不完全的处理是有效的,但是它的容错能力和推广能力相对较弱,这意味着需要其他方法补充。 面对决策树技术和粗糙集各自的优缺点,在研究过程中作者将这两者结合起来取长补短。对于仅有离散值属性的情况下,利用粗糙集理论中条件属性相对于决策属性的核以及条件属性的区分能力,同时考虑到待建决策树的规模问题,我们提出了一种新的条件属性的约简算法。以约简后的多个属性构造检验,解决了决策树中属性的选择问题。改进后的算法可以构造出多变量决策树,与ID3算法相比,两者拥有相同的分类准确率,但前者具有更高的效率,并且大大减小了决策树的规模。 最后本文在这个新型的算法框架基础上设计了一个KDD原型系统,并实现了其中的基于粗糙集技术的数据预处理部分和基于改进后的决策树算法的分类器部分和预测器部分。应用该系统对心血管住院患者的病案首日(首页)数据进行研究分类,以实现对患者病情的危重度做出较为客观准确的分级,从而对医疗服务质量和医疗资源的分配情况进行更为有效的考察和改进。