一种改进的CAIM算法

摘要：

在CAIM算法中,离散判别式仅考虑了区间中最多的类与属性间的依赖度,使离散化过度而导致结果不精确.基于此,提出对CAIM的改进算法,该算法考虑到按属性重要性从小到大顺序进行离散,同时根据粗糙集理论提出条件属性可分辨率概念,与近似精度同时控制信息表最终的离散程度,有效解决了离散化过度问题.实验通过C4.5和支持向量机分别对离散化后的数据进行识别和分类预测,结果证明了该算法的有效性.

关键词：连续属性离散化、粗糙集、属性可分辨率

所属期刊栏目：36

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目60372071;中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金资助项目20070101;辽宁省教育厅高等学校科学研究基金资助项目2008344;大连市科技局科技计划基金资助项目2007A10GX117

在线出版日期：2010-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：77-78,81