粗糙集连续属性离散化的SOM网络方法

摘要：

基于Rough Set理论中的不可分辨性原理,给出两个新的定义:属性的最大区分值(Maximum Discernibility Value,MDV)和属性冗余度(Attribute Redundancy Rate,ARR).在数据预处理阶段,属性的MDV数值用于确定关于自组织映射网络SOM输出单元数量的启发式搜索策略;属性冗余度则用于衡量属性约简结果的信息冗余程度,并以此作为优化SOM网络输出层结构的依据.不依赖于领域经验知识,建立了MDV、SOM、ARR的组合算法模型,实现了Rough Set理论中连续属性的自动离散化计算,并明显提高了属性约简的速度.最后,通过项目实例对全过程进行有效验证.

关键词：SOM、rough set、属性可分辨性、聚类、机器学习

所属期刊栏目：24

分类号：TP18(自动化基础理论)

资助基金：Sino-German Goverment Cooperation Project2002DFG00027

在线出版日期：2006-11-21（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：46-49