一种新基于连续属性离散化属性约简方法.docVIP

一种新的基于连续属性离散化的属性约简方法 　　 (上海理工大学计算机与电气学院， 上海 200093) 　　?? 　　摘 要：通过将连续属性离散化和属性约简结合起来，首先对连续型的属性列进行离散化，得到新的决策表；然后再对新的决策表作属性约简,解决了属性约简过程中由于不考虑连续属性而无法求出准确约简属性的问题。最后通过具体案例表明了该方法具有较好的实用性、有效性，可以很好地应用在含有大量连续属性的数据挖掘项目中。 　　?す丶?词：连续属性； 离散化； 属性约简； 分辨矩阵 　　?ぶ型挤掷嗪牛?TP182 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0064?B02 　　?? 　　One method of new attribute reduction?? 　　based on discretization of continuous attributes 　　HU Demin, FENG Kefeng 　　?? 　　(College of Computer Electric, University of Shanghai for Science Technology, Shanghai 200093, China) 　　?? 　　Abstract:Through combining the discretization algorithm of continuous attributes with attribute reduction algorithm, this paper firstly did a discretization on continuous attributes columns, and got a new decisionmaking table. Then did attribute reduction on it, dealt with the problem of getting inaccurate reduction attributes on account of thinking about notcontinuous attributes during the process of attribute reduction. Finally an illustrated example shows that the way has preferable practicality and availability，can commendably apply to data mining project which contains plentiful continuous attributes. 　　??Key words：continuous attribute; discretization; attribute reduction; differentiation matrix 　　?お? 　　粗集理论[1]是由波兰华沙理工大学Z.Pawlak教授等人在1982年提出的，它主要研究不完整数据、不精确知识的表达、学习、归纳等方法。这一理论从新的视角出发对知识进行了定义，它把知识看做是关于论域的划分，并引入代数学中的等价关系来讨论知识。它为智能信息处理提供了有效的处理技术，目前已经在数据挖掘、机器学习、专家系统、故障诊断、系统控制等领域发挥出越来越重要的作用。决策系统属性约简是粗糙集理论最重要的应用。本文介绍了一种基于连续属性离散化的属性约简方法，首先根据信息熵[1，2]和相对信息熵[3]的定义求出每个连续属性的重要性；然后按属性重要性由小到大的顺序进行离散化，找出所有连续属性的断点集，生成新的决策表；最后在新的决策表上使用基于分辨矩阵[4，5]和属性重要性的方法进行属性约简。?? 　　1 概念描述?? 　　设决策表T=(U,A,V, f)。其中：U表示对象的非空有限集合,称为域;A=C∪D,C∩D=??,C称为条件属性，D称为决策属性集; a∈A，V=∪Va, Va是属性值域。其分辨矩阵是一个对称的｜U｜×｜U｜矩阵,矩阵的每一项cij定义为：如果 xi(d)≠xj(d), cij={a∈A｜xi(a)≠xj(a)}；否则cij=?肌Ｈ?K1=(U,P)和K2=(U,Q)是关于U的两个知识库,U/ IND(P)={X1,X2,…,Xn},U/ IND(Q)={Y1,Y2,…,Ym},知识(属性集合) Q 相对于知识(属性集合)P的相对熵E(Q｜P)[3]定义为?? 　　E(Q｜P)=∑ni=1∑mj=1(｜Xi∩Yj｜/ ｜U｜） (｜Ycj-Xci｜/｜U｜）=?? 　　∑ni=1∑mj=1(｜Xi∩Yj｜