论文部分内容阅读
本文基于Rough集理论的基本概念,结合遗传算法和神经网络技术,提出了一种数据离散化模型,该方法建立了一个基于Rough集的神经网络,其离散层对应于条件属性的断点集合,通过遗传算法优化断点个数,采用BP学习算法,训练得出相应参数所表示的断点值.通过模型得出的数据离散化区间不依赖于候选断点集合,而且区间表示值更为精确,具有较好的泛化能力.实验表明,该方法可以有效地进行数据的离散化,而且具有较高的精度。