连续属性空间上的规则学习算法

文章研究连续属性空间上的规则学习算法。首先简述了研究连续属性空间上的规则学习算法的目的和意义，并将规则学习理论中的一些基本概念推广到连续属性空间。在此基础上，研究了连续属性空间离散化问题，证明了属性空间最小离散化问题是np困难问题，并将信息熵函数与无穷范数的概念应用到连续属性离散化问题，提出了基于信息熵的属性空间极小化算法。最后，提出了连续属性空间上的规则学习算法,并给出了数值实验结果。