1) attribute induction method
属性归纳法
2) attribute oriented induction
属性归纳算法
1.
This paper analyses some traditional attribute oriented induction(AOI) algorithms in the data mining field, points out their shortcomings, and presents an algorithm for the data mining of concept hierarchy based on sampling.
本文分析了几种传统属性归纳算法 ,针对它们的不足 ,提出了基于取样的概念层次挖掘算法 ,它不仅可以处理不平衡的概念层次 ,而且得到的泛化规则可以反映实际的数据分布。
3) Attribute-Oriented Induction Algorithm
面向属性归纳法
5) AOI algorithm
面向属性归纳算法
6) attribute-oriented induction
面向属性归纳
1.
With the methods of attribute-oriented induction and decision tree,the library has mined its circulation database and evaluated the result so as enhance the individualized service of the data library.
5算法是决策树分类方法中的经典算法,以高校图书馆为例,运用面向属性归纳和决策树C4。
2.
The article researches into basic attribute-oriented induction,and puts forward the method of mining characteristic rule from user registering information to web sites.
本文首先研究了基本的面向属性归纳,提出了从网站用户登录信息中挖掘用户特征规则的思路。
3.
This paper applies attribute-oriented induction and decision trees(C4.
论文利用面向属性归纳和决策树C4。
补充资料：超限归纳法
又称超穷归纳法，数学中用来证明某种类型命题的重要方法，亦称超限归纳证法。设 (Χ，≤)是一个良序集，对任意α∈Χ,Χα={b∈Χ│b<α}称为在Χ中由α所确定的截段。E嶅Χ称为归纳子集,如果对于任何α∈Χ,只要截段Χα嶅E,就有α∈E。超限归纳定理断言：设E为良序集(Χ,≤)的归纳子集,则E＝Χ。因为若α为Χ的最小元素,则由,可得α∈E:如果α┡为Bα={b∈Χ│b>α}的最小元素,那么Χα'={x∈Χ│x<α┡}={α}嶅E,遂有α┡∈E。同理可得α″=(α┡)┡∈E等等。容易看出,Χ的良序性是定理成立的重要依据，倘若把它改为Χ是全序集，则Χ的非空子集可以没有最小元素,命题就不成立了。当Χ为自然数集N时，就得到上述定理的一个常用的特殊情况,称为数学归纳法，表述为：若E嶅N，满足①0∈E；②对于任何n∈N,如果由一切小于n的自然数k∈E,可以推出n∈E，则E=N。其中一切小于 n的自然数k∈E相当于Nn嶅E,而0∈E则是的结果。在引进"类"概念的前提下，超限归纳定理可以叙述为：设C是一个序数类,如果①0∈C；②若α∈C,可得α┡=α+1∈C；③若α为极限序数，并且对一切β<α，β∈C，就必然有α∈C,则C是所有序数的类。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条