该文首先介绍了离散化处理的发展现状,并且详细介绍了整体离散化算法.经过对它的分析,在其基础上提出了基于数据分区的整体离散化算法.基于数据分区的连续属性整体离散化与基本的整体离散化的不同主要体现在:它首先对例子集合在各个连续属性上的取值进行统一数量级别的放大处理,使不同属性轴上的取值在数值空间上可以相互比较和计算;根据经过统一处理后的数据,分析例子集合在各个属性轴上的取值的分布,选出包含最多聚类信息的属性,根据该属性上的数值分布情况,将整个例子集合粗略的划分为多个分区;然后在各个分区中分别进行聚类;将在各个分区中得到的聚类结果进行合并,形成在整个数据集上的聚类;接下来根据整体离散化的一般方法把获得的聚类投影到属性空间的各条属性轴上;最后,将各属性轴上的冗余投影区间去除,确定各属性轴上的离散化划分点.该文最后构建了一个专家系统自动知识获取模型,用土壤分类数据作为算法的实例数据,分析了基于数据分区的整体离散化算法的性能以及它在实际应用中的意义.