关键词discretization techniques
搜索结果 - 3
- 数值属性的离散化:人类感知的分析
本研究通过收集人类和数据科学、统计学以及工程专家的反馈,分析了数值属性的分割,提出了两种度量方法,结果显示约 68.7% 的人类反馈与我们的度量方法一致,因此我们的度量方法可作为一种用于数值属性离散化的方法之一。
- 通过非启发式算法离散化谱聚类的松弛解
基于一阶优化算法,我们提出了第一个非启发式方法,将原始问题与离散化算法联系起来,从而更可靠地获得最终的离散解决方案,优于现有方法。
- 基于离散化的物联网稳健学习集成模型
通过集成离散化技术和集成方法,我们提出了一种基于离散化的集成堆叠技术,以提高我们的机器学习模型的安全性,通过对 28 个物联网设备网络流量的真实数据集进行白盒和黑盒攻击的性能评估,我们证明了提出的方法使得物联网设备识别模型具有鲁棒性。