摘要：针对ID3算法构造决策树复杂、分类效率不高等问题，本文基于变精度粗糙集模型提出了一种新的决策树构造算法。该算法采用加权分类粗糙度作为节点选择属性的启发函数，与信息增益相比，该标准更能够全面地刻画属性分类的综合贡献能力，计算简单，并且可以消除噪声数据对选择属性和生成叶节点的影响。实验结果证明，本算法构造的决策树在规模与分类效率上均优于ID3算法。

关键词：变精度粗糙集模型 决策树 误差参数 加权分类粗糙度 

单位：安徽农业大学信息与计算机学院 安徽合肥230036 安徽大学计算机科学与技术学院 安徽合肥230039