基于粗糙集理论的属性离散化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 30-32.

基于粗糙集理论的属性离散化算法

陈昊^1,2,张旻^1,2,杨俊安^1,2

1.解放军电子工程学院，合肥 230037
2.安徽省电子制约技术重点实验室，合肥 230037

收稿日期:2007-12-25 修回日期:2008-01-28 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 陈昊

Method of data discretization based on rough set theory

CHEN Hao^1,2,ZHANG Min^1,2,YANG Jun-an^1,2

1.Electronic Engineering Institute，Hefei 230037，China
2.Key Laboratory of Electronic Restriction，Anhui Province，Hefei 230037，China

Received:2007-12-25 Revised:2008-01-28 Online:2008-05-01 Published:2008-05-01
Contact: CHEN Hao

摘要/Abstract

摘要： 决策系统中连续属性离散化，即将一个连续属性分为若干属性区间并为每个区间确定一个离散型数值，对后继阶段的机器学习具有重要的意义。首先研究了满足决策系统最优划分的一种计算候选断点集合的算法，然后在基于条件属性重要度和贪心算法的基础上提出了一种确定结果断点子集的新启发式算法。所提出的属性离散算法考虑并体现了粗糙集理论的基本特点和优点，并能取得较理想的连续属性离散化结果。

关键词: 粗糙集, 最优划分, 离散化, 候选断点, 结果断点

Abstract: The discretization of continuous attributes values of a decision system which divides continuous values into different space and allocates some discrete values to each space is always with great contribution to the machine learning.This paper studies a new algorithm of computing candidate cuts for best partition in decision system at first，and proposes one heuristic method based on the importance of condition attributes and greedy algorithm.The two algorithms consider specialty of rough set and embody the advantages of this theory.Moreover，excellent discretization results may be expected from them.

Key words: rough set, best partition, discretization, candidate cuts, result cuts

陈昊^1,2,张旻^1,2,杨俊安^1,2. 基于粗糙集理论的属性离散化算法[J]. 计算机工程与应用, 2008, 44(13): 30-32.

CHEN Hao^1,2,ZHANG Min^1,2,YANG Jun-an^1,2. Method of data discretization based on rough set theory[J]. Computer Engineering and Applications, 2008, 44(13): 30-32.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.