论文部分内容阅读
为了解决数据挖掘和机器学习领域中连续属性离散化问题，提出一种改进的自适应离散粒子群优化算法。将连续属性的断点集合作为离散粒子群，通过粒子间的相互作用最小化断点子集，同时引入模拟退火算法作为局部搜索策略，提高了粒子群的多样性和寻找全局最优解的能力。利用粗糙集理论中决策属性对条件属性的依赖度来衡量决策表的一致性，从而达到连续属性离散化的目的，最后采用多组数据对此算法的性能进行了检验，并与其他算法做了对比实验，实验结果表明此算法是有效的。