一种连续属性值域划分的离散化新方法

摘要：

提出一种连续属性值域划分的离散化新方法,该方法定义一个新的离散化函数,依据类与属性之间的相互依赖关系选择最优的离散区间列表；此外,采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失,减少分类错误.仿真结果和统计分析表明,提出的方法有较好的C5.0决策树分类能力.

关键词：离散化、数据挖掘、相互依赖、变精度粗糙集、决策树

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：金陵科技学院博士启动基金资助项目JIT-B-01;金陵科技学院自然科学基金资助项目208.40410826

在线出版日期：2012-06-26（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：1307-1310