作者：石红; 沈毅; 刘志言粗糙集理论学习算法连续属性全局离散化算法
摘要：连续属性的离散化问题是粗糙集理论研究的一个重要内容,通过对一种局部离散化方法的改进,提出了全局的离散化算法.利用粗糙集理论,首先定义一致性的度量(辨别函数),修改了基于"最小描述长度准则"的离散化算法,实现了全局离散,弥补了前者引入不一致的缺陷;在保持数据一致性的前提下,进一步分析了离散中分割点的冗余并进行了约简.实验通过基于粗糙集的分类工具,在几组典型数据集上得到了预期的满意结果,验证了该算法的有效性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
