一种基于云模型的决策表连续属性离散化方法

传统Rough集理论只能处理离散属性,所以在对决策表进行处理之前,必须对决策表中的连续属性进行离散化。本文提出了一种基于云模型的、领域独立的决策表连续属性离散化方法,尤其适合大数据量的情形。该方法首先根据数据的实际分布,利用云变换将连续属性的定义域划分为多个基于云的定性概念,然后利用决策表不确定性程度的反馈信息合并相邻的定性概念。这种离散化方法是一种软划分,更加符合实际的数据分布和人的思维方式。另外通过合并相邻的定性概念,能够有效提高信息系统中信息的粒度,从而提高所挖掘规则的统计意义和预测强度。