文件名称：基于粗糙集理论的两类离散化方法研究 (2011年)
文件大小：421KB
文件格式：PDF
更新时间：2024-05-27 17:06:12
自然科学 论文
连续属性离散化是数据预处理的关键步骤之一，在实际应用中往往通过高效的启发式算法来计算离散化结果。对基于辅助矩阵和信息熵的两类启发式离散化算法进行实验研究,分别选取每类算法中的5种典型方法,通过系列实验，对两类算法的性能进行对比研究，结果表明：辅助矩阵类算法具有相对较高的样本识别能力，但算法复杂度较高，运行时间更长，较适合于处理小容量数据集；信息熵类算法的特性则正好与之相反。