连续属性离散化方法与研究.pdfVIP

连续属性离散化方法研究 摘 要 实际数据库中存在较多的连续型数值属性，而现有的很多数据挖掘方法只 能处理离散型的属性，因而需要对连续属性进行离散化，因此，连续属性离散 化方法成为数据挖掘领域重要的基础性工作，直接影响到数据挖掘的质量。已 经出现了多种连续属性离散化算法，且各有特色和优劣。本文结合粗糙集合和 信息熵的相关概念，开展连续属性离散化研究，并提出一种新的离散化方法。 论文的主要工作如下： (1)综述了数据挖掘、信息系统和信息熵的基本理论，介绍了粗糙集合的 重要表示形式一一决策表，简述信息论的历史和发展，阐述了信息熵的基本概 念。 (2)系统分析了连续属性离散化的相关研究成果，并做了必要的比较。 (3)提出了区间类信息熵的概念结合粗集的有关理论，提出一种处理连 并从理论上对DICE算法进行了分析。 续属性的离散化算法一一DICE算法， (4)实现了本文提出的DICE算法，并以实际数据对DICE离散化算法与 C4．5自带的离散化方法进行比较，给出了实验分析结果并加以说明。 关键词：数据预处理，信息熵，粗糙集合，离散化。 0111theDiscrtizationofContinuousAttributes Study Abstract are Inthereal datarecords of attributeswith databases，the composedmany of continuous mostthe methodofdata are of value，since existing miningcapable withthediscreteattributesis todiscretizethecontinuous dealing only,itnecessary attributes totheabove—mentioned ofthe for firstly．Due fact，thestudy method continuousattributediscretizationbecomesan fundamentalworktothe important researchareaofdata can a influenceontheresultofdata mining，whichgivedeep kindsofmethodforthe miningprocess．Many continuousattributediscretization have has been one its and this proposed，everypropertiespriorities．Inthesis，some of setsandinformationare combinedto the conceptsrough entropy study discretizationofcontinuous