产生模糊决策树的一个新算法

【摘要】：大多数现有产生决策树的方法,是使用分类信息熵极小化启发式或使分类模糊性达最小选取扩展属性后,利用其属性值向外延伸进行树的扩展。本文使用分类信息熵极小化启发式,提出了对于分类问题中属性值为模糊集时,直接采用隶属度作为连续值变元来进行决策树的构造,从而产生一模糊决策树(一组模糊规则)。因隶属度无需作软化处理,故从决策的角度,由本文提出的方法产生的模糊决策树(模糊规则)更贴近于实际;同时本文给出一种将连续值属性转化为模糊术语的方法。