基于粗糙集理論的連續(xù)屬性離散化算法研究.pdf

1、連續(xù)屬性離散化是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)研究及應(yīng)用中的一個(gè)重要方面。在很多規(guī)則提取、特征分類算法中，連續(xù)(實(shí)值)屬性必須進(jìn)行離散化。離散化是把連續(xù)屬性的取值范圍或取值區(qū)間劃分為若干個(gè)數(shù)目不太多的小區(qū)間，其中每個(gè)小區(qū)間對(duì)應(yīng)著一個(gè)離散的符號(hào)。離散化是否合理決定著表達(dá)和提取相關(guān)信息的準(zhǔn)確性。目前，大多數(shù)離散化算法是基于統(tǒng)計(jì)學(xué)或基于信息熵的，具有代表性的Chi2系列算法就是基于概率統(tǒng)計(jì)理論：類一屬性相互依賴(CAI)的相關(guān)算法是基于信息理論的連續(xù)屬性

2、離散化重要方法。離散化算法的關(guān)鍵在于如何獲得最優(yōu)劃分，最大程度地保持信息表示的意義，減少信息損失。
　　 首先，本文深入分析了Lukasz A Kurgan和Krzysztof J.Cios提出的基于信息理論的類一屬性間最大相互依賴的連續(xù)屬性離散化算法一(The Class-AttributeInterdependency Maximization)CAIM算法，針對(duì)其不足，提出了對(duì)CAIM的改進(jìn)算法。在CAIM算法中，離散判別

3、式僅僅考慮了區(qū)間中最多的類與屬性間的依賴度，使離散化過(guò)度而導(dǎo)致結(jié)果不精確，本文提出的改進(jìn)算法考慮到按屬性重要性從小到大順序進(jìn)行離散，同時(shí)根據(jù)粗糙集理論提出了條件屬性可分辨率概念，與近似精度同時(shí)控制信息表最終的離散程度，有效解決了離散化過(guò)度問(wèn)題。
　　 其次，本文對(duì)Chi2相關(guān)算法和類-屬性相互依賴(CAI)的相關(guān)算法進(jìn)行了深入分析，提出了一種基于粗糙集理論的連續(xù)屬性離散化新算法。在粗糙集理論中要求離散化保持原有決策系統(tǒng)的不可分辨