论文部分内容阅读
连续属性的处理是当前分类规则中一个热点研究问题。以往的算法往往是建立在离散化过程的基础上进行的，然而，该类方法不但会破坏数据中信息的精度，同时也使得概念的转换十分困难。文章在分析了以往算法的基础上，提出了利用包含度和蕴含度的方法进行连续属性的分类规则学习，并对该种方法的属性约简问题进行了讨论。可以看出，通过该文的研究较好地解决了数据精度和动态概念挖掘的问题，利用包含度和蕴含度的方法是一个十分有价值的研究方向。