量化屬性離散化算法研究.pdf

1、伴隨著數(shù)據(jù)挖掘、機器學(xué)習(xí)算法及模式識別技術(shù)的廣泛應(yīng)用，連續(xù)數(shù)據(jù)離散化技術(shù)取得了突破性的進展。
　　屬性離散化算法有許多的分類，其中基于粗糙集理論的決策表離散化方法是離散化結(jié)果質(zhì)量較高的方法之一。論文通過對決策表離散化的深入分析研究，針對現(xiàn)有的離散化算法中存在的缺陷及不足，提出了一種改進的決策表離散化算法。該離散化算法中有兩大組成部分：一是候選斷點選擇策略；二是結(jié)果斷點選擇策略及基于該策略的屬性離散化算法。其中候選斷點選擇策略，相比

2、傳統(tǒng)的無監(jiān)督候選斷點選取方式，提出了一種基于類屬性以及屬性重要度的新的候選斷點選擇策略。另外，針對離散化算法第二部分中的結(jié)果斷點選擇策略，提出了斷點選擇概率的概念來替代傳統(tǒng)算法中斷點重要性的計算。理論分析及實驗結(jié)果表明，新的候選斷點選擇策略大大縮減了斷點集的規(guī)模。另外，基于該候選斷點集的改進的貪心算法產(chǎn)生了較好的離散化結(jié)果，有效地提高了分類器的預(yù)測精度。
　　現(xiàn)有的離散化算法大部分都是針對單個連續(xù)屬性。然而，單屬性離散化中往往只把

3、屬性的分類錯誤數(shù)作為唯一的離散化評價標準。針對這一不足，論文中提出了基于MDLP的單屬性離散化策略，充分反映了相鄰區(qū)間對中的信息。另外，通過區(qū)間相對類屬性的重要性這一概念來有效捕捉屬性間的相互關(guān)系。基于單屬性與多屬性離散化標準的研究，總結(jié)出了一種新的相鄰區(qū)間對合并標準的評價方法，并基于此方法提出了一種自底向上的屬性離散化算法。該算法首先對整個數(shù)據(jù)集中所有的相鄰區(qū)間對進行評價，然后再針對單個屬性的相鄰區(qū)間對進行評價，從而保證得到最合理的合