Rough Sets Based Research on Method of Discretization and Reduction Algorithm

摘要

粗糙集理论由波兰科学家Z.Pawlak于1982年提出，是继概率论、模糊集理论之后的又一个处理不确定性的数学工具。粗糙集理论建立在论域中的不可分辨关系之上，用上、下近似来描述概念，不依赖于所需处理的数据集合之外的任何先验信息，就能对不精确、不确定、不完整的数据信息进行有效的处理。近年来，粗糙集理论在不少领域如数据挖掘、人工智能、模式识别、决策分析取得了很多成功的应用。 连续数据离散化是粗糙集的重要问题之一。Z.Pawlak提出的以不可分辨关系为核心的粗糙集方法处理的是离散属性值，而实际生活中的数据大多数是连续的属性值，因此需要首先对数据进行离散化处理，这已成为粗糙集理论实用性的瓶颈。离散化的...