基于小生境离散粒子群优化的连续属性离散化算法  

Discretization Algorithm for Continuous Attributes Based on Niche Discrete Particle Swarm Optimization

作　　者：许磊[1] 张凤鸣[1] 靳小超[1] 

机构地区：[1]空军工程大学工程学院,西安710038

出　　处：《数据采集与处理》2008年第5期584-588,共5页Journal of Data Acquisition and Processing

摘　　要：分析了基于粗糙集理论的连续属性离散化的实质,在此基础上提出了一种基于小生境离散粒子群优化的启发式全局离散化算法。该算法结合粗糙集理论,将决策属性支持度作为决策表整体分类能力的度量,然后利用离散粒子群优化算法,以最小断点集和最大决策属性支持度为优化目标,在保持决策表分类能力不变的情况下,通过粒子的迭代寻求最优值;同时为了避免粒子在迭代过程中的早熟收敛问题,引入小生境共享机制,加强了离散粒子群算法的全局搜索能力。通过实验将本文算法与其他算法进行了比较,结果表明采用本文算法得到了较少的断点数,提高了规则的分类正确率,验证了该算法的有效性和稳定性。The essentials of discretization approaches based on the rough set theory are analyzed firstly,and then a new heuristic discretization algorithm is proposed based on the niche discrete particle swarm optimization. The algorithm introduces the support degree of the decision attributes to measure the classification ability of the decision table.The minimum sets of cuts and the maximum support degree of decision attributes are used as optimizing goals in the discrete particle swarm optimization.The algorithm s...

关 键 词：数据挖掘 离散化 小生境 离散粒子群优化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]