粗糙集理论中基于属性重要性的离散化方法

摘要：

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一.目前已有许多离散化方法,存在的主要问题是断点集的选取带有很大的主观性,导致大多数的离散化算法难以得到较满意的离散效果.分析了当前研究中常用的离散化方法,提出了一种基于属性重要性的离散化方法,利用遗传算法,把最小断点集作为优化目标,利用遗传算法,以属性重要性构造适应度函数,保证了原决策系统的不可分辨关系,避免了决策表信息的损失,所得结果相对来说比较客观.

关键词：粗集、离散化、断点、遗传算法、属性重要性

所属期刊栏目：25

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2005-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：40-43