多关系离散化方法

为了从多关系数据库中挖掘知识,需要对连续取值的属性进行离散化。已有离散化方法都是针对单表设计,不能直接用于多关系环境。基于信息熵和最小描述长度原理,该文提出3种多关系离散化方法,分别为对表关系图的广度遍历方法(MRD_Breadth)、对表关系图的深度遍历方法(MDR_Depth)和选择较优路径的贪婪算法(MDR_Greedy),实现了不同的类别传递和离散化方法选择策略。实验结果表明这些方法可以提高分类算法的效率和准确度。