基于微粒群优化的连续属性离散化算法

• 作者: 张腾飞 王锡淮 肖健梅
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微粒群优化 粗糙集 属性离散化
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 博士论文
• 页码范围: 44-46
• 页数: 3页
• 分类号: TP311
• 字数: 3708字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2006.03.016

摘要

连续属性的离散化是粗糙集理论的主要问题之一,也是影响粗糙集理论实用性的瓶颈之一.由于没有最佳离散化形式的统一标准,大多离散化算法采用的启发式带有较强的主观性,也难以得到较满意的离散效果.该文提出了基于微粒群优化的连续属性离散化方法,将各属性的离散化划分点初始化为一群粒子,在保证决策表分类能力不变的情况下,通过粒子间的相互作用寻求理想的离散化划分点,使得决策表引入较少的冲突.实验结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张腾飞	上海海事大学电气自动化系	7	165	5.0	7.0
2	王锡淮	上海海事大学电气自动化系	107	1014	16.0	29.0
3	肖健梅	上海海事大学电气自动化系	95	902	15.0	27.0