决策树是解决分类问题的有效方法,已成功应用于模式识别、决策支持、生物信息处理等许多领域。ID3算法是著名的决策树归纳算法,它处理的对象是离散值决策表,但不能直接处理具有模糊决策属性的离散值决策表。针对这一问题,基于粗糙模糊集技术,提出了一种模糊决策树归纳算法(Rough Fuzzy Decision Tree,RFDT)。RFDT利用粗糙模糊依赖度作为选择扩展属性的启发式,利用模糊熵作为叶子节点的终止条件,来构建模糊决策树。RFDT能解决上面的问题。模糊ID3算法是在ID3算法的基础上的推广,它处理的对象是具有模糊条件属性和模糊决策属性的模糊决策表。当用模糊ID3算法处理连续值模糊决策表时,需要对连续值条件属性进行模糊化预处理,但模糊化会不可避免的造成信息损失。针对这一问题,基于相容粗糙模糊集技术,提出了相容粗糙模糊决策树归纳算法(Tolerance Rough Fuzzy Decision Tree,TRFDT)。TRFDT用相容粗糙模糊依赖度作为选择扩展属性的启发式,利用模糊熵挑选最佳割点,来构建模糊决策树。TRFDT的优点是可以直接处理连续值模糊决策表,不需要模糊化的过程。在11个UCI数据集上,将本文提出的算法分别与Fuzzy ID3算法和FDTs算法进行比较,通过最终的实验数据证明我们的算法是具有可行性的。