1) data classifier
数据分类机
2) data classifying
数据分类
1.
This paper presents a new data classifying method based on combination of neural network and decision tree.
提出了一种将神经网络和决策树相结合的数据分类新方法。
3) categorical data
分类数据
1.
Objective The statistical method for repeated measures categorical data analysis was introduced and applied to clinical trials.
目的介绍分类数据重复测量资料的统计分析及其在临床试验中的应用。
2.
Concerning the categorical characteristics of spatial data, a rule-based spatial co-location method in categorical data is introduced.
针对空间分类数据的特性,提出一种空间分类数据同位规则挖掘算法。
3.
Existing outlier mining approaches lack valid processing for categorical data.
离群数据的挖掘 (outlier mining,简称离群挖掘 )是数据挖掘的重要内容 ,现有的离群数据挖掘算法大多对分类数据 (categorical data)缺乏有效的处理 ,提出了基于规则的分类数据离群挖掘方法 ,采用多层最大离群支持度 maxsup,搜索离群规则 ,有效地解决了这一问题 ,用这一方法对医学流行病数据进行了各种实验 ,分析了该方法的适用范围、性能 ,验证了方法正确性 ;另外 ,实验表明 ,经过离散化后 ,基于规则的分类数据离群挖掘算法对连续性属性的数据也是有效的 。
4) data partitioning
数据分类
1.
264 compression standard,an unequal decoding protection(UDP) scheme based on the turbo code and the data partitioning is proposed.
264的数据分类和T urbo码的非均等译码保护的策略。
2.
264 compression standard,a novel unequal error protection(UEP) scheme is proposed based on LDPC and data partitioning.
264视频压缩标准出发,提出一种基于数据分类和LDPC的不均等错误保护的策略。
3.
According to the data partitioning of the H.
264标准的数据分类功能,提出了一种自适应的数据不平等保护策略。
5) classification data
分类数据
1.
The article delicately analyzes many examples of the wrong classification data of CIP emerging currently in China,and brings up lots of measures that control the classification data mistakes of CIP.
文章对我国目前出现的错误的CIP分类数据实例进行了详细的辨别分析,并提出了控制CIP分类数据错误的措施。
2.
This paper extended and developed some statistical testing methods for low-level classification data occurring in market research.
本文对市场调查资料中常见的低计量水平分类数据的检验作了典型的应用与推广。
6) data classification
数据分类
1.
Two-step matrix projection algorithm for data classification;
数据分类的两步矩阵投影算法
2.
Tolerant rough set on satellite remote sensing data classification;
容差粗糙集卫星遥感数据分类
3.
A Novel Algorithm for Data Classification Based on SVM;
基于SVM理论的一种新的数据分类方法
补充资料：数据分类
数据分类
data clasification
shuiu fenlei数据分类(data Clasification)根据数据项的属性(性能、特征、参数等)，把它们分门别类和有系统地组织起来。 数据分类是根据信息处理的实际需要进行的，其目的是为了便于信息处理与管理。即将信息按某种属性或特征进行逻辑分类。把具某种共同特性、特征的信息分在同一类，按一定次序将这些信息分类排列成一个有机的体系。数据分类能够帮助我们了解信息的需求、结构、处理的顺序、编码及数据存储等。在数据分类的基础上进行数据编码，以达到便于计算机的信息处理和数据库管理的目标。 数据分类需要满足一定的条件:①分类结构在总体上必须具有很大的概括性和包容性，能够容纳这一领域所有的需要和将产生的信息。②分类要反映数据的特征和一定的逻辑顺序。③同位类之间相互排斥，界限清楚，不能交叉、重益，不能相互从属，即内容不能有互相包含。不能出现一个事物在同位类里可以归人这一类也可归于另一类的现象。④分类应该具有相对的稳定性，一个分类体系确定之后，应该保持较长时间的稳定。所以要求选择事物最稳定的属性或特征作为分类的基础;并且使分类体系有一定的柔性，既能满足目前的需要，又能为今后的发展留有扩充和删除之余地。⑤对于线分类系统，每一层级所包含的数据单元数，在同层级的各类之间尽可能均衡。⑥实用性，即分类名称尽量沿用习惯名称，不致于发生概念混淆。 数据分类基本用两种方法:线分法和面分法。线分法也就是层级分类法，串并联形式，树形结构;面分法为组配分类法，将信息按若干个属性、特征，分成彼此间互不依赖，互不相干的若干个面，每个面中又分成许多彼此独立的类目，使用时根据需要，将这些面中的类目组配在一起，形成一个具有类目，有固定次序的并联组合形式。 数据分类标准化是信息处理中的一项重要工作，特别在资源环境信息系统，由于实体复杂，内容广泛，涉及学科多，各学科对同一类的信息的认识和理解不一，所以标准化工作难度大。中国科学家经过多年努力，已经对气象、水文、土壤、植被、地形等多种资源环境实体的信息的分类工作作了系列研究，形成了一定的参考标准。(钟耳顺)
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