cucaoji.zip_cucaoji_粗糙集 离散_粗糙集MATLAB

function [discretSet,disdata]=lisan(descriptors,match) %对整个数据集进行离散化，disattr需要离散化的属性，posattr为挑选出的属性重要度最大的属性，discretSet为离散化属性集 %disdata为离散化了的属性和决策属性组成的决策表,t为程序运行时间 t1=cputime; %match(match~=0) = 1 pstudy=[descriptors',match]; [row,col]=size(pstudy); %初始化数据集的离散属性集 disattr=0; discretSet=[]; ndiscretSet=size(discretSet,2); lastdata=pstudy(:,col);%为决策属性值 disdata=lastdata; ppstudy=pstudy; while ndiscretSet<col-1 %ndiscretSet disattr=disattr+1; %求离散属性集属性重要度最大的属性 if isempty(discretSet) posattr=[]; else [posattr,tt]=calmaxpos(discretSet,disdata); end nd=size(disdata,2); R= [posattr nd];%求划分的等价类 %根据划分的等价类划分数据集 pset=partset(R,disdata,pstudy); %用ncl聚类方法进行聚类 for i=1:size(pset,2) Y=pset{i}(:,1:col-1); baseclass=ncl(pset{i}(:,1:col-1),pstudy(:,1:col-1)); base{i}=baseclass; end %求属性disattr的取值区间集合 d1=[]; for i=1:size(base,2) for j=1:size(base{i},2) if iscell(base{i}) if ~isempty(base{i}{j}) %qj=calqj(disattr,base{i}{j});%求属性disattr在每个聚类的区间 qj=[min(base{i}{j}(:,disattr)) max(base{i}{j}(:,disattr))]; end else %qj=calqj(disattr,base{i}); qj=[min(base{i}(:,disattr)) max(base{i}(:,disattr))]; end d1=[d1;qj]; end end %合并区间 d=mergeqj(d1); %为每个区间编号 [m1,n1]=size(d); disd=[d [1:m1]'];%对每个区间按大小依次赋予离散化值1,2,3…… %对disattr属性进行离散化 valpca=pstudy(:,disattr); for i=1:size(valpca) for j=1:size(disd) A=disd(j,:); x=valpca(i); if x==d(m1,2) dispstudy(i,disattr)=m1; %如果实值x是该属性的最大值，则把x离散化为最大值 elseif isinset(x,A) dispstudy(i,disattr)=A(3);%如果实值x属于区间A，则把x离散化为区间A对应的最大值 end end end discretSet=[discretSet disattr];%将属性disattr加入到离散化属性集discretSet中 ndiscretSet=size(discretSet,2);%求属性集discretSet中属性的个数 disdata=[dispstudy(:,1:disattr) lastdata];%将离散化的属性和决策属性组成决策表 end %保存离散化的数据集disdata和时间t savefile = 'imagedisdata.mat'; save(savefile, 'disdata') t2=cputime; t=t2-t1; savefile1 = 'program_time.mat'; save(savefile1, 't')