一种连续属性离散化的新方法

• 作者: 凌方 王建东
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 离散化 数据挖掘 粗集 聚类学习
• 年，卷（期）: 2002,（2）
• 所属期刊栏目: 研究简报
• 页码范围: 179-182
• 页数: 4页
• 分类号: TP301.6
• 字数: 2979字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2002.02.014

摘要

提出了一种基于聚类方法、结合粗集理论的连续属性离散化方法.在粗集理论中有一个重要概念:属性重要度(Attribute significance),它常用来作为生成好的约简所采用的启发式评价函数.受此启发,在连续属性离散化方法中可把它用于属性选择,即从已离散化的属性集中选择出属性重要度最高的属性,再把它和待离散化的连续属性一起进行聚类学习,得到该连续属性的离散区间.文中介绍了该方法的算法描述,并通过实验与其他算法进行了比较.实验结果表明,由于这种方法在离散化过程中结合了粗集理论的思想,考虑了属性间的相互影响,从而产生了比较合理的划分点,提高了规则的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建东	南京航空航天大学信息科学与技术学院	158	1573	21.0	31.0
2	凌方	南京航空航天大学信息科学与技术学院	2	37	1.0	2.0