連續(xù)屬性的離散化及知識獲取的研究.pdf

1、由于計算機(jī)的迅速普及和互聯(lián)網(wǎng)的廣泛流行，產(chǎn)生了數(shù)據(jù)和信息的汪洋大海。要想從中獲取隱藏、有用的知識，就要使用各種學(xué)習(xí)算法和方法。而許多學(xué)習(xí)算法要求輸入的屬性值是離散的，由此引出了許多連續(xù)值屬性的離散化的方法，如根據(jù)領(lǐng)域?qū)＜业慕?jīng)驗(yàn)給出相應(yīng)的區(qū)間；或根據(jù)某種劃分原則對輸入空間進(jìn)行劃分，給出離散點(diǎn)進(jìn)行離散化。根據(jù)是否利用類信息，離散化方法可分為有監(jiān)督和無監(jiān)督的方法；根據(jù)是對所有連續(xù)屬性同時離散化還是單個屬性單獨(dú)離散化，可分為全局方法和局部方法；

2、也可根據(jù)劃分是在分類之前還是分類時做出的而分為靜態(tài)方法和動態(tài)方法。 常用的離散化的策略有：空間等分法、自適應(yīng)方法、等頻率區(qū)間法、基于類信息熵的方法等，在眾多的離散化方法中，不論是哪一種，都很難得到一個直觀的、容易理解的離散結(jié)果。 在本文中，首先介紹了各種常見的離散化算法和方法。在此基礎(chǔ)上，本文提出一個基于模糊語言的數(shù)據(jù)語言摘要和語言規(guī)則的抽取算法，通過對數(shù)據(jù)庫的數(shù)據(jù)語言摘要的抽取和語言規(guī)則的抽取，達(dá)到對連續(xù)屬性模糊離散化

3、的目的。該離散化過程具有如下優(yōu)點(diǎn)： (1)所得結(jié)果直觀明了。若直接觀察數(shù)據(jù)庫，難以發(fā)現(xiàn)其中的知識。本文中提出的離散化算法也因?yàn)槭怯谜Z言值描述的結(jié)果，離散結(jié)果容易理解； (2)所得結(jié)果都具有具體的支持度?？梢越o定某個閥值，給出各種支持度的語言命題和語言規(guī)則，滿足各種不同的需求； (3)該抽取的過程智能程度較高，只需要輸入每個語言值的閥值、摘要或規(guī)則的支持度閥值，就能輸出自然語言的命題或規(guī)則。 在抽取的過程中

4、，首先根據(jù)屬性值的分布特點(diǎn)，由專家給出合理的語言值隸屬函數(shù)，或者是用遺傳算法，確定較合理的語言值隸屬函數(shù)，從而達(dá)到優(yōu)化離散連續(xù)屬性的目的?；诿恳粋€語言值的隸屬函數(shù)，計算每個對象在該語言值上的隸屬度，超過給定閥值的對象做一記錄，得到一個某種程度上符合某個語言值得對象集，同理，可以得到其他語言值的對象集，對這些對象集做交運(yùn)算，得到在某種程度上的對象集交集。描述這個對象集的自然語言，就是該數(shù)據(jù)庫上的一個語言命題。而從數(shù)據(jù)庫中抽取語言規(guī)則的過