基于粗糙集与分类回归树的“病例组合”分类研究

论文根据粗糙集和决策树技术两种理论的互补性,研究一种新的“病例组合”分类模型：将粗糙集与分类回归树相结合的“病例组合”分类模型。该模型既具有粗糙集的一些优点：通过属性约简,可以成功地剔除知识库中的冗余属性,发现知识中隐藏的关联和规则,帮助人们做出正确简洁的决策;又具有决策树的分类精度高,有良好的学习能力和简单的树形结构。