離散化算法統(tǒng)一框架與軟件平臺(tái).pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)的信息量正在以指數(shù)形式增長(zhǎng)。要想從海量、復(fù)雜的信息中提取出有價(jià)值、有意義的數(shù)據(jù)就離不開數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)。絕大多數(shù)的數(shù)據(jù)挖掘方法只能處理離散屬性的數(shù)據(jù)，而現(xiàn)實(shí)中需要處理的數(shù)據(jù)中包含了許多連續(xù)屬性，對(duì)于連續(xù)屬性的離散化研究就顯得意義重大。大數(shù)據(jù)時(shí)代的到來(lái)，更加催化了連續(xù)屬性離散化算法的研究。離散化算法發(fā)展至今已經(jīng)有了很多優(yōu)秀的算法，從不同的側(cè)重點(diǎn)、不同的技術(shù)支持、不同的處理對(duì)象等可以將其劃分為不同的種類?，F(xiàn)在還沒(méi)

2、有一種離散化算法，可以在不同的領(lǐng)域、不同的數(shù)據(jù)集中都能得到理想的結(jié)果。為了實(shí)現(xiàn)對(duì)不同的數(shù)據(jù)集都能找到合適的離散化算法，本文的主要工作就是搭建離散化算法統(tǒng)一框架與軟件平臺(tái)，主要的研究成果和內(nèi)容如下：
　　首先，因?yàn)椴淮嬖谕ㄓ玫碾x散化算法，所以要實(shí)現(xiàn)更多的離散化算法，多實(shí)現(xiàn)才能夠多選擇。本文對(duì)每一個(gè)離散化算法按照離散化的處理流程，把算法分解為斷點(diǎn)的求解、斷點(diǎn)重要度的求解、最終斷點(diǎn)集(歸并和拆分)，分別實(shí)現(xiàn)在不同的接口中。通過(guò)不同接口的

3、選擇組合，不僅可以實(shí)現(xiàn)原來(lái)的離散化算法，還可以組合出新的算法，通過(guò)對(duì)新組合算法的實(shí)驗(yàn)結(jié)果分析，當(dāng)處理同一數(shù)據(jù)集時(shí)存在新組合的離散化算法優(yōu)于原來(lái)的算法，驗(yàn)證了可行性。這也是本文的創(chuàng)新之處。
　　其次，現(xiàn)在已經(jīng)開發(fā)出了很多對(duì)連續(xù)屬性離散化處理的軟件，工具中集合了不同類別的離散化算法。這些軟件工具只能夠把具有連續(xù)屬性的數(shù)據(jù)離散化，不能很好地實(shí)現(xiàn)數(shù)據(jù)的交互，功能單一，不利于知識(shí)發(fā)現(xiàn)的后續(xù)處理。本文的軟件平臺(tái)很好的實(shí)現(xiàn)了與數(shù)據(jù)庫(kù)的交互，并且

4、增加了前臺(tái)excel導(dǎo)入的方式接收目標(biāo)數(shù)據(jù)集。軟件平臺(tái)應(yīng)用Java的框架技術(shù)，以可視化的方式展現(xiàn)給用戶方便了用戶的操作。
　　最后，本文從以下幾個(gè)方面展開工作，先介紹了數(shù)據(jù)庫(kù)知識(shí)以及數(shù)據(jù)挖掘的重要性，連續(xù)屬性離散化的研究背景及意義，然后介紹了離散化算法用到的數(shù)學(xué)概念、公式以及離散化算法的分類和評(píng)價(jià)標(biāo)準(zhǔn)。最后對(duì)離散化算法用到的技術(shù)框架，實(shí)現(xiàn)的流程及方法進(jìn)行概述；通過(guò)實(shí)驗(yàn)數(shù)據(jù)的對(duì)比分析，驗(yàn)證了軟件平臺(tái)的可行性。通過(guò)對(duì)離散化算法統(tǒng)一框架