该方法基于相似度阈值和关联度，实现区间数据离散化，提升了算法性能，经多组数据验证，效果显著。
区间数据离散化方法
相关推荐
基于支持向量机的区间数回归模型建模方法
分析了现有的精确数输入和区间数输出回归算法存在的问题，并提出了基于支持向量机的区间数回归建模方法。该方法将支持向量机从精确数回归推广到区间数回归建模，展示出在小样本训练集下良好的泛化性能，有效避免了现有算法中可能出现的下界大于上界的问题。以连续退火生产过程中冷却段出口带钢温度预测为例，仿真结果表明该算法的有效性。
数据挖掘
0
2024-08-04
MATLAB 离散傅里叶变换非零区间
两不等式相加得到 n ，也就是非零区间。
例如：
1 0 1 2 n 3
Matlab
5
2024-05-19
用WEKA处理数据：Children数据离散化
用WEKA处理数据：Children数据离散化
本部分内容讲解如何使用WEKA对children数据进行离散化处理。
Hadoop
3
2024-05-23
数据数值离散化和概念分层生成
分箱：递归分割结果，生成概念分层。
直方图分析：递归应用，自动产生多级概念分层。
聚类分析：形成簇和子簇，建立概念层节点。
基于熵的离散化：通过自然划分分段。
人工概念分层：基于数值分布分析，可递归构造分箱。
Memcached
4
2024-05-12
时间数据可视化源代码
这份资源提供了时间数据可视化的基础命令和相关图片，供大家学习参考。
统计分析
3
2024-05-12
离散化与概念分层助力大数据理解
离散化将连续数据划分区间，用区间标号取代实际值；概念分层用高层概念替代低层属性值，概化数据。通过概念分层，数据细节虽有所损失，但概化后的数据更具意义和可解释性，同时节省存储空间和I/O开销。
Memcached
2
2024-05-15
案例研究机器学习特征工程数据离散化实践
本案例数据集聚焦于机器学习中的特征工程，特别是数据离散化过程。通过将连续数值型数据转化为离散的类别，如年龄、消费频率等，不仅降低了数据复杂性，还提升了模型的性能和准确性。离散化方法包括等宽分箱、等频分箱和基于规则的分箱，如四分位数等，这些技术在处理会员数据时尤为重要。还介绍了如何利用离散化技术优化特征，以提高机器学习模型在用户分类和推荐系统中的应用效果。
数据挖掘
0
2024-08-15
时间数据可视化的新高度
传统方法已过时，现在可以免费下载自己的下环。
统计分析
0
2024-08-23
Matlab开发连续传递函数离散化方法 c2d_euler
c2d_euler是Matlab开发中常用的工具，用于将连续传递函数转换为离散传递函数。它支持前向和后向Euler方法，分别通过正向差和反向差来进行转换。使用方法包括Hz = c2d_euler(Hs,T,'forward')和Hz = c2d_euler(Hs,T,'backward')，其中T为采样周期。详细文档和示例请参考“DOCUMENTATION.pdf”。
Matlab
0
2024-08-05