论文部分内容阅读
决策是决策者通过运用领域知识，控制某些可控变量以达到特别目标，从而实现最大效用的方案选择过程。在信息量巨大的今天，决策所面临的环境越来越复杂，知识表现出更大的不确定性的条件下，智能决策系统的研究具有重要意义。在数据挖掘和知识发现领域，某些变量属性的取值呈现出模糊性，因此模糊决策树的建立更具有分析意义。模糊决策树是将决策树与模糊表示所提供的近似推理相结合的一种技术，主要的目标就是利用二者的优点:决策树应用的广泛性和对知识表示的易理解性；以及使用模糊理论处理非精确和非确定信息的能力。将模糊集合理论引入到决策树中解决了决策树所无法解决的问题。本文主要完成了模糊决策树的应用研究与系统设计实现，具体工作如下：（1）通过对模糊决策树理论及相关算法研究，完成了与决策树的对比分析。包括建树过程、分类属性选取、生长机制控制和规则抽取等的优缺点对比。模糊决策树可以处理离散属性、连续属性及模糊属性；模糊集合和近似推理可以处理噪声、非一致和非完全的数据,它比决策树更加精确。（2）在国内商业银行信贷业务发展的近几年，各种性质的贷款规模呈现逐年扩大趋势，其中个人信贷业务越来越成为各大金融机构增收的主要业务途径，大力发展个人信贷业务将逐步成为商业银行信贷业务的战略性业务。目前国内的个人信贷业务往往采取客户评分等方式来进行贷前授信评估，本文将模糊决策树算法引入到个人贷款信用评估的客户等级分类中，通过使用模糊决策树应用辅助系统，对来自实际的信贷数据进行了模糊分类与检验的验证，得出精确度高于决策树的实践结果。（3）本文构建了以决策树为学习机制、以规则为中心的模糊决策树应用辅助系统。主要功能包括数据模糊化处理、模糊决策树生成、决策树规则抽取、模糊决策树数据校验等功能。本系统采用Min-Ambiguity算法作为建树基础，系统具有易理解、构造速度快等特点。