基于连续属性离散化和SVM的分类预测方法

摘要：

提出一种基于粗糙集中连续属性离散化和支持向量机(SVM)的分类预测算法.首先,提出一种新颖的Improved Chi2离散化技术,将其作为预处理器将连续属性数据离散化,热后应用粗糙集理论进行属性约简和规则提取,则去冗余的属性和样本,在横向和纵向均大大降低了数据的维度,降低了样本的存储要求,而且没有失去原始决策表所表达的信息.应用支持向量机进行分类建模预测,大大降低了SVM分类过程中的复杂度,不会降低分类能力.仿真实验表明了本文算法的有效性,不仅分类预测精度高,且训练速度快了.

关键词：离散化、粗糙集、支持向量机、属性约简、规则提取

分类号：TP18(自动化基础理论)

在线出版日期：2010-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：20-21