基于GA与RST的分类规则挖掘算法

本文提出了在没有任何领域知识可供借鉴的情况下,利用遗传算法对信息系统的数量型属性进行离散化,利用RST进行分类规则挖掘,将GA与RST相结合进行分类规则挖掘的新算法。该算法不仅有效地解决了利用粗糙集理论进行分类规则挖掘时,数量型属性的离散化问题,而且可挖掘出通用的分类规则。

一种基于AFSA与RST分类规则挖掘算法

利用人工鱼群算法对信息系统的数量型属性进行离散化,然后用RST进行分类规则挖掘,再将AFSA与RST相结合,提出了一种基于AFSA与RST分类规则挖掘新算法.该算法不仅有效地解决了利用粗糙集进行分类规则挖掘时数量型属性的离散化问题,而且可挖掘出所要解决问题的一般分类规则.实验表明该算法是有效和正确的.

基于遗传算法的数量属性离散化算法

提出了在没有任何领域知识可供借鉴的情况下,基于聚类思想,利用遗传算法对数量型属性进行离散化的新算法———遗传C均值算法.该算法利用遗传算法具有全局寻优的特性,对训练样本根据其每一属性值进行聚类,将样本划分为不同的类,从而为每一属性找到其值的最佳分割点.然后,对不同类赋以不同的编码.该算法的优点是能得到最优的离散化结果.在VC++6.0环境下实现了该算法.仿真实验证明该方法有效解决了利用粗糙集理论进行分类规则挖掘时,数量型属性的离散化问题.