一种基于类别属性关联程度最大化离散算法
DOI:
CSTR:
作者:
作者单位:

西安交通大学系统工程研究所

作者简介:

杨萍

通讯作者:

中图分类号:

TP391.9

基金项目:


A class-attribute interdependency maximization based algorithm for supervised discretization
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对现有离散化算法难以兼顾计算速度和求解质量这一难题, 提出一种新的基于类别属性关联程度最大化
    监督离散化算法. 该算法考虑了类别、属性值的空间分布特征, 根据类别与属性之间的内在联系构造离散化框架, 使
    离散化后类别和属性的关联程度最大. 实验结果表明, 基于类别属性关联程度最大化离散算法在保证计算速度的前
    提下能有效提高分类精度, 减少分类规则个数.

    Abstract:

    Considering that the existing discretization algorithms do not give simultaneously attention to evolution speed
    and solution’s quality, a new class-attribute interdependency maximization based algorithm for supervised discretization
    is proposed in this paper. The algorithm considers the distribution of both class and continuous attributes, and according
    to the underlying correlation structure of them, the discretization scheme is constructed which can maintain the highest
    interdependence between the target class and all the discretized attributes. The experiment results show that, with a reasonable
    execution time, the proposed algorithm can improve the accuracy of the classification result and reduce the number of
    classification rules.

    参考文献
    相似文献
    引证文献
引用本文

杨萍, 杨天社, 杜小宁,等.一种基于类别属性关联程度最大化离散算法[J].控制与决策,2011,26(4):592-596

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-01-22
  • 最后修改日期:2010-05-20
  • 录用日期:
  • 在线发布日期: 2011-04-20
  • 出版日期:
文章二维码