基于變精度粗糙集的連續(xù)屬性離散化方法及數(shù)據(jù)預(yù)處理方法.pdf

1、數(shù)據(jù)挖掘是當(dāng)今國際人工智能和數(shù)據(jù)庫研究最活躍的新興領(lǐng)域之一，是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)KDD(Knowledgediscoveryindatabases)的核心，它旨在發(fā)現(xiàn)數(shù)據(jù)中隱藏的、未知的、潛在有用的知識(shí)，本質(zhì)上是在大的數(shù)據(jù)集合中尋找數(shù)據(jù)間的規(guī)則和普遍模式。 連續(xù)屬性的離散化(discretization)即實(shí)型空間向整型空間的映射，是許多數(shù)據(jù)挖掘過程中數(shù)據(jù)預(yù)處理階段的重要步驟。由于它在減少后繼算法的時(shí)空復(fù)雜度，提高系統(tǒng)的魯棒性上的重

2、要作用而被廣泛研究。 由Pawlak(1982)提出的粗糙集(Roughset)理論是關(guān)于數(shù)據(jù)推理的強(qiáng)大工具，這個(gè)方法已經(jīng)被成功應(yīng)用于機(jī)器學(xué)習(xí)、知識(shí)獲取、決策分析、知識(shí)發(fā)現(xiàn)、模式識(shí)別、專家系統(tǒng)和決策支持系統(tǒng)等領(lǐng)域。粗糙集理論的特點(diǎn)是，無需提供除待求解問題所需處理數(shù)據(jù)集合之外的任何先驗(yàn)信息。 本文主要研究了以下問題：1)基于變精度粗糙集的連續(xù)屬性離散化。變精度粗糙集模型是由W.Ziarko在基本粗糙集理論的基礎(chǔ)上引入誤差因

3、子β而得到的，引入β因子的目的在于將精確的二元等價(jià)關(guān)系推廣為一般的二元關(guān)系。本文提出了基于變精度粗糙集模型的連續(xù)屬性離散化的方法，其特點(diǎn)在于可將原來沒有劃入正域的集合劃入正域，以增強(qiáng)泛化能力。這種方法計(jì)算過程簡單，易于實(shí)現(xiàn)。 2)基于多連續(xù)屬性離散化的數(shù)據(jù)預(yù)處理方法。目前包括C4.5在內(nèi)的很多離散化算法都具有以下特征：有監(jiān)督、魯棒性、針對單一屬性。這些特征容易造成一些異常數(shù)據(jù)被當(dāng)作噪聲數(shù)據(jù)忽略，而一些錯(cuò)誤數(shù)據(jù)則由于沒有及時(shí)清除而