粗糙集连续属性离散化通用模型及GASA方法

作者: 孟科

关键词: 粗糙集离散化遗传模拟退火算法

摘要：在对典型的离散化方法分析的基础上,提出一种适用于粗糙集决策表的连续属性离散化处理的通用模型结构;对遗传算法的适应度线性尺度变换作改进,将模拟退火的思想引入遗传算法,提出基于遗传模拟退火算法（GASA）的数据离散化方法,并用UCI机器学习数据库中的Iris和Glass数据集进行验证.实验结果表明,离散化方法通用模型对数据的离散化过程可以有不同的性能要求,能够保证系统中的样本对决策属性的分辨关系.GASA离散化方法具有较好的离散化效果,为连续属性离散化提供一种新的思路.

上一篇：基于粗糙集理论的数字图像水印嵌入策略
下一篇：基于可验证随机数的前后向安全群签名方案

粗糙集连续属性离散化通用模型及GASA方法

作者: 孟科

关键词: 粗糙集 离散化 遗传模拟退火算法

关键词: 粗糙集离散化遗传模拟退火算法