论文部分内容阅读
样本识别是知识获取的最终应用体现,是数据挖掘研究中的一个重要内容.现有的数据挖掘算法众多,如何才能选择到一个泛化能力较强、识别率较高的最优算法成为研究的重点.文中利用粗糙集能处理不完整、不精确数据的优势,结合支持向量机、决策树方法,通过分析数据的特征,提出利用样本对规则集的覆盖度和设置一个相关阈值来进行最优分类方法的动态选择.在第一时间为样本选择到相对较优的分类算法.仿真实验验证了算法的有效性.