基于区分矩阵的数据离散化算法

doi:10.3778/j.issn.1002-8331.2008.35.045

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (35): 148-150.DOI: 10.3778/j.issn.1002-8331.2008.35.045

• 数据库、信号与信息处理 • 上一篇下一篇

基于区分矩阵的数据离散化算法

秦川¹,黄欢¹,施化吉¹,李星毅^1,2

1.江苏大学计算机学院，江苏镇江212013
2.北京交通大学电子信息学院，北京 100044

收稿日期:2007-12-21 修回日期:2008-03-03 出版日期:2008-12-11 发布日期:2008-12-11
通讯作者: 秦川

New method of data discretization based on rough set theory

QIN Chuan¹,HUANG Huan¹,SHI Hua-ji¹,LI Xing-yi^1,2

1.College of Computer，Jiangsu University，Zhenjiang，Jiangsu 212013，China
2.College of Electronics and Information，Beijing Jiaotong University，Beijing 100044，China

Received:2007-12-21 Revised:2008-03-03 Online:2008-12-11 Published:2008-12-11
Contact: QIN Chuan

摘要/Abstract

摘要： 由于传统的粗糙理论只能对数据库中离散数据进行处理，而绝大多数现实的数据库既包含了离散数据，又包含了连续数据。针对这一问题，提出了一种基于候选断点区分矩阵的数据离散化算法。该方法以断点核为起点，以候选断点在区分矩阵中出现的频率作为启发信息，逐次选择最重要的断点加入到结果断点子集中，并由最终的断点集得离散化后的信息系统。最后通过实例分析表明，该算法具有较好的离散化效果。

关键词: 粗糙集, 离散化, 断点核, 候选断点, 启发式算法

Abstract: The traditional rough set theory can only deal with the discrete attributes in database.However，most real-life databases consist of not only discrete attributes but also continuous attributes.In order to overcome the problem，a new method of data discretization based on candidate cuts discernibility matrix is presented.The cuts core is the jumping-off point of this algorithm and cuts core frequency in the discernibility matrix is used as heuristic information in this algorithm.Then the most important cut is selected，that is added to the cuts gather every time.At last，the dispersible information system can be got from the cuts gather.Finally，the presented example validates this algorithm that has a good discretization effect.

Key words: rough set, discretization, cuts core, candidate cuts, heuristic algorithm

秦川¹,黄欢¹,施化吉¹,李星毅^1,2. 基于区分矩阵的数据离散化算法[J]. 计算机工程与应用, 2008, 44(35): 148-150.

QIN Chuan¹,HUANG Huan¹,SHI Hua-ji¹,LI Xing-yi^1,2. New method of data discretization based on rough set theory[J]. Computer Engineering and Applications, 2008, 44(35): 148-150.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[4]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[5]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[6]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[7]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[8]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[9]	孟鑫，杨琴，郝婷婷，张洁，曹策俊. 不同订单分配和算法下的拣货路径优化组合[J]. 计算机工程与应用, 2020, 56(23): 229-236.
[10]	李雅丽，王淑琴，陈倩茹，王小钢. 若干新型群智能优化算法的对比研究[J]. 计算机工程与应用, 2020, 56(22): 1-12.
[11]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[12]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[13]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[14]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[15]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.

基于区分矩阵的数据离散化算法

New method of data discretization based on rough set theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics