文献类型：期刊文章

作　　者：孟祥萍[1] 鞠传香[2] 王贤勇[2] 任纪川[2]

机构地区：[1]长春工程学院电气工程系,吉林长春130012 [2]东北电力学院信息工程系,吉林吉林132012

出　　处：《东北电力学院学报》

年　　份：2005

卷　　号：25

期　　号：1

起止页码：40-43

语　　种：中文

收录情况：普通刊

摘　　要：连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。目前已有许多离散化方法 ,存在的主要问题是断点集的选取带有很大的主观性 ,导致大多数的离散化算法难以得到较满意的离散效果。分析了当前研究中常用的离散化方法 ,提出了一种基于属性重要性的离散化方法 ,利用遗传算法 ,把最小断点集作为优化目标 ,利用遗传算法 ,以属性重要性构造适应度函数 ,保证了原决策系统的不可分辨关系 ,避免了决策表信息的损失 。

关 键 词：属性重要性  粗糙集理论 离散化算法 连续属性离散化 机器学习  不可分辨关系 决策表 离散化方法 点集  遗传算法  

分 类 号：TM77] TP18]