基于自適應(yīng)混合禁忌搜索粒子群的連續(xù)屬性離散化算法

　　針對(duì)粗糙集不能較好地處理連續(xù)型屬性的問題，結(jié)合粗糙集理論和粒子群算法，提出基于自適應(yīng)混合禁忌搜索粒子群的連續(xù)屬性離散化算法。首先，該算法通過對(duì)參數(shù)的自適應(yīng)更新操作，從而避免了粒子群出現(xiàn)早熟的現(xiàn)象；然后將粒子群當(dāng)代得到的全局最優(yōu)粒子送入禁忌算法中進(jìn)行優(yōu)化，有效地提升了算法的局部探索能力；在兼顧決策表系統(tǒng)一致性的同時(shí)，將劃分的斷點(diǎn)初始化為一群隨機(jī)粒子，通過改進(jìn)后粒子群的自我迭代得到最佳的離散化劃分點(diǎn)。實(shí)驗(yàn)結(jié)果表明，與其他結(jié)合粗糙集的離散化算法相比，該算法具有更高的規(guī)則分類精度和較少的離散化斷點(diǎn)個(gè)數(shù)，對(duì)連續(xù)屬性的離散化效果較好。