基于粗集理论的数据离散化技术研究

摘要：

信息系统连续型属性值的离散化对决策规则或决策树的学习具有非常重要的意义,它能够提高系统对样本的聚类能力,增强系统抗数据噪音的能力,减少机器学习算法的时间和空间开销,提高其学习精度.粗集是有效的数据离散化工具.对基于粗集理论的数据离散化方法进行了深入研究,分析其特征,评述其研究进展,并通过仿真实验研究了几种典型的启发式离散化算法的性能.其结果对发展新的离散化技术或为特定应用选择合适算法都有参考价值.

关键词：机器学习、数据离散化、粗集、决策规则、聚类

所属期刊栏目：18

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60373111;重庆市教委资助项目040509;重庆市自然科学基金2005BB2052;重庆市高等学校优秀中青年骨干教师资助计划;教育部跨世纪优秀人才培养计划60573068

在线出版日期：2007-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：752-757