应用有效信息比率的离散化算法

诸文智; 王靖程; 张彦斌; 贾立新

您当前的位置：

首页 >

文章列表页 >

应用有效信息比率的离散化算法

更新时间：2025-07-09

- 应用有效信息比率的离散化算法
- Discretization Algorithm Based on Effective Information Ratio
- 西安交通大学学报 2011年45卷第4期页码：12-17
- 作者机构：
  
  西安交通大学电气工程学院,西安,710049
- 作者简介：
- 基金信息：
  
  : 2010-09-11. 作者简介: 诸文智(1982-),男,博士生;张彦斌(联系人),男,教授,博士生导师. 基金项目: 国家自然科学基金资助项目(61005058);教育部高等学校博士学科点专项科研基金资助项目(20090201110019,20070698059)
- DOI：
  中图分类号： TP274
- 网络首发：2011-04-10，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
诸文智, 王靖程, 张彦斌, 等. 应用有效信息比率的离散化算法[J]. 西安交通大学学报, 2011,45(4):12-17.

Discretization Algorithm Based on Effective Information Ratio[J]. 2011, 45(4): 12-17.
诸文智, 王靖程, 张彦斌, 等. 应用有效信息比率的离散化算法[J]. 西安交通大学学报, 2011,45(4):12-17. DOI：

Discretization Algorithm Based on Effective Information Ratio[J]. 2011, 45(4): 12-17. DOI：

摘要

针对目前离散化信息量度无法准确表征数据离散后有效分类信息量的问题

提出了一种基于有效信息比率的离散化算法.在构建离散化方案相依表的基础上

分析了离散区间内类属性分布与分类信息蕴含量间的关系

并根据类属性分布信息引入有效信息比率

用于表征各离散区间内有效分类信息量.然后

依据离散化方案的离散区间数及其有效信息比率

设计出表征离散化方案划分质量的离散化评价指标

从而提高了数据的离散化效果.仿真实验和实际应用的结果表明

该算法离散化后在有效分类信息量和分类预测精度上高于主流基于信息论的离散化算法.

Abstract

Since the current information measures of discretization can not accurately reflect the degree of the effective class information in the discretized dataset

a discretization algorithm based on effective information ratio is presented

and a contingency table of corresponding discretization scheme is constructed. According to the analyses of the relationship between the class distribution and the remaining class information

the effective information ratio based on the class distribution is analyzed to indicate the degree of effective information in each discretized interval. An improved discretization criterion is generated to evaluate the quality of the discretization scheme following the number of discrete internal and the effective information ratio. The simulation and applications illustrate the more effective class information and the higher classification accuracy than the other information-based solutions.

关键词

Keywords

references

杨炳儒. 基于内在认知机理的知识发现理论[M]. 北京: 国防工业出版社, 2009: 42-43.

CHIU D K Y, WONG A K C, CHEUNG B. Information discovery through hierarchical maximum entropy discretization and synthesis[C]∥Knowledge Discovery in Databases. Cambridge, Massachusetts, USA: MIT Press, 1991:125-140.

QU Wenyu, YAN Deqian, SANG Yu. A novel chi2 algorithm for discretization of continuous attributes[C]∥Progress in WWW Research and Development 10th Asia-Pacific Web Conference. Heidelberg, Germany: Springer-Verlag, 2008:560-571.

BOULLE M. Khiops: a statistical discretization method of continuous attributes[J]. Machine Learning, 2004, 55(1): 53-59.

KUMAR A, ZHANG D. Hand-geometry recognition using entropy-based discretization[J]. IEEE Transactions on Information Forensics and Security, 2007, 2(2): 181-187.

SIMOVICI D A, JAROSZEWICZ S. An axiomatization of partition entropy[J]. IEEE Transactions on Information Theory, 2002, 48(7): 2138-2142.

LE D D, SATOH S. Ent-boost: boosting using entropy measures for robust object detection[J]. Pattern Recognition Letters, 2007, 28(9): 1083-1090.

KURGAN L A, CIOS K J. CAIM discretization algorithm[J]. IEEE Transactions on Knowledge and Data Engineering, 2004, 16(2): 145-153.

TSAI C J, LEE C I, YANG W P. A discretization algorithm based on class-attribute contingency coefficient[J]. Information Sciences, 2008, 178(3): 714-731.

QUINLAN J R. C4.5: programs for machine learning[M]. San Mateo, CA, USA: Morgan Kaufmann Publishers, 1993:17-25.

FRANK A, ASUNCION A. UCI machine learning repository [EB/OL]. [2010-08-22]. http:∥archive.ics.uci.edu/ml.

TIE Ming, YUE Heng, CHAI Tianyou. A hybrid intelligent soft-sensor model for dynamic particle size estimation in grinding circuits [J]. Lecture Notes in Computer Science, 2005, 3498: 871-876.

POLKOWSKI L, TSUMOTO S, LIN T Y. Rough set methods and applications: new developments in knowledge discovery in information systems [M]. Heidelberg. Germany: Physica-Verlag GmbH, 2000: 49-88.

人眼视觉特性与粗糙集结合的X射线图像增强算法. 西安交通大学学报,2009,43(06):48-51.

粗糙元特征对风洞中大气表面层模拟的影响. 西安交通大学学报,2009,43(03):87-91.

一种基于分辨函数的属性约简算法及其应用. 西安交通大学学报,2008,42(12):1455-1458.

一种Roberts 自适应边缘检测方法. 西安交通大学学报,2008,42(10):1240-1244.

微通道内流的微尺度粒子图像测速技术实验研究. 西安交通大学学报,2007,41(11):1355-1359.

粗糙集属性约简判别分析方法及其应用. 西安交通大学学报,2007,41(08):939-943.

粗糙集高效遗传约简算法. 西安交通大学学报,2007,41(04):444-447.

采用Galerkin离散方法的T-小波边界元法. 西安交通大学学报,2010,44(12):99-104.

采用离散粒子群算法的网格任务安全级调度. 西安交通大学学报,2010,44(06):21-26.

DT-PTV离散相伪矢量的概率择优式剔除算法.西安交通大学学报,2009,43(05):119-123.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

具有全局聚类的多属性离散化算法

EBSILON软件在热电联产系统优化中的应用综述

采用机器学习的大规模并行程序I/O性能建模与预测方法

面向高海拔空冷发电机防晕性能演化规律的电热耦合研究

采用试验设计方法的第三代CO2气体箔轴承箔片几何参数敏感性分析