基于PCA和模糊C-均值聚类的目标连续属性量化算法

• 作者: 程显毅 马守明
• 来源期刊: 现代电子技术
• 关键词: PCA 模糊C-均值 连续属性 不相容度
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 嵌入式与单片机
• 页码范围: 59-61
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2007.02.021

摘要

机器学习中很多方法要求目标属性是离散的,而实际中很多属性是连续的.目前的连续属性量化算法存在的问题是当新的对象加入决策表时,原有的分割点可能不是最优的.基于PCA(主成分分析)、模糊C-均值聚类和不相容度概念,提出一种目标连续属性量化算法,该算法具有在量化过程中区别对待不同的条件属性,以决策表的不相容度为连续属性量化终止的标准,在保持决策表信息损失最少的情况下,尽量减少分类的区间数等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程显毅	江苏大学计算机科学与通信工程学院	75	491	11.0	16.0
2	马守明	江苏大学计算机科学与通信工程学院	2	5	1.0	2.0