摘要：不完全信息下的数据挖掘是一个困难的问题，但它在实际决策中是不可避免的。除空值和层 次型概念外，区间值属性的处理是典型的不完全信息问题。本文基于粗集理论和扩张矩阵等 理论，首先分析区间值属性的优选是NP问题，然后提出了一种分割极小点区间值属性的启发 式决策树生成算法，并构造了概率决策树和模糊决策树，以改进传统决策树数据挖掘方法的 不足。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）