多量级应急数据无监督离散化方法研究

高天宇，王庆荣，杨 妍，马辰坤

（兰州交通大学电子与信息工程学院，兰州 730070）

0 概述

应急信息化响应是国家应急管理体制的发展趋势，数据处理与分析方法作为应急信息化响应的基础，被应用于应急工作的各个阶段。分析应急数据的特点是应急数据处理与分析的合理性保障，连续数据的离散化是数据分析与挖掘的关键预处理方法，其决定最终数据处理与挖掘结果的质量。

连续数据的离散化方法包括有监督离散化方法和无监督离散化方法。常用的有监督离散化方法包括信息熵［1］、粗糙集［2］以及类-属性关联性［3-5］等离散化方法。信息熵离散化方法是一种基于数据混乱程度的不确定性计算方法；粗糙集离散化方法能较好地处理数据边界的不确定性；类-属性关联离散化方法可应用于数据的自动离散和混合过程［6-7］。无监督离散化方法主要包括等宽离散化、等频离散化、近似等频离散化［8-10］以及聚类离散化［11］等方法。等宽离散化方法能在不同区间保持原数据分布进行离散，操作灵活简单；等频离散化方法是基于数据频率分布进行离散；聚类离散化方法是根据数据分布采用层次聚类方式进行离散。

目前关于有监督离散化方法的研究重点针对离散化方法特点进行［12］，对无监督离散化方法的研究主要围绕数据特点展开［13］。然而现有无监督离散化方法对应急数据特点考虑不足，其采用的时间序列离散化［14］方式不适用于多量级应急数据离散。……