基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在机器学习和KDD研究中,大多数算法都是以离散值为处理对象的.然而,在现实世界数据库中,存在着大量的连续值属性.因此,常常需要对连续值属性进行离散化.本文提出了一种基于聚类的连续值属性最佳离散化算法.
推荐文章
连续属性离散化算法比较研究
离散化
贪心算法
属性重要性
信息熵
聚类
一种基于层次聚类的属性全局离散化算法
粗糙集
属性离散化
层次聚类
具有全局聚类的多属性离散化算法
统计量
连续属性
离散化
基于新聚类学习的属性离散化方法
粗糙集
离散化
神经网络
字符识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于聚类的连续值属性最佳离散化算法
来源期刊 小型微型计算机系统 学科 工学
关键词 机器学习 知识发现 连续值属性 离散化
年,卷(期) 2000,(10) 所属期刊栏目
研究方向 页码范围 1025-1027
页数 3页 分类号 TP311
字数 4282字 语种 中文
DOI 10.3969/j.issn.1000-1220.2000.10.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 欧阳为民 安徽大学计算中心 13 475 7.0 13.0
2 席静 中国科学院计算技术研究所 2 70 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (28)
同被引文献  (20)
二级引证文献  (29)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(4)
  • 引证文献(4)
  • 二级引证文献(0)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(4)
  • 引证文献(2)
  • 二级引证文献(2)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(5)
  • 引证文献(3)
  • 二级引证文献(2)
2008(2)
  • 引证文献(1)
  • 二级引证文献(1)
2009(6)
  • 引证文献(4)
  • 二级引证文献(2)
2010(5)
  • 引证文献(3)
  • 二级引证文献(2)
2011(6)
  • 引证文献(3)
  • 二级引证文献(3)
2012(6)
  • 引证文献(2)
  • 二级引证文献(4)
2013(5)
  • 引证文献(0)
  • 二级引证文献(5)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
机器学习
知识发现
连续值属性
离散化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
小型微型计算机系统
月刊
1000-1220
21-1106/TP
大16开
辽宁省沈阳市东陵区南屏东路16号
8-108
1980
chi
出版文献量(篇)
11026
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导