摘要:提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4-5决策树分类方法相比,有更高的分类准确率.
关键词:粗糙集 属性约简 知识获取 离散化
单位:四川师范大学计算机科学学院; 四川成都610066; 重庆邮电大学计算机科学与技术研究所; 重庆400065; 西南交通大学信息科学与技术学院; 四川成都610031
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社