论文部分内容阅读
本文针对粗集离散化过程中空间复杂度和时间复杂度较大的问题,提出了基于属性值重要性的启发式离散化算法。首先,通过不可分辩类的定义、属性重要性的讨论得到了一种改进的离散化与属性约简相结合的启发式算法;接着,通过Delphi程序验证了该算法对实例及UCI数据库的有效性;最后,指出这种从数据库的横向删除条件属性和纵向快速离散化相结合的算法,可以推广到允许不一致规则增加的系统中,这在海量数据挖掘中很有意义。