《表1 三维随机数据集所有特征属性的离散程度》
提示：宽带有限、当前游客访问压缩模式
首先根据式（5）分别计算各特征属性的离散程度，结果如表1所示。然后利用式（6）计算得阈值V=3.40，由此判断仅第3个特征属性需要计算新的权值，其余特征属性权值仍为1。
| 图表编号 | XD00188983300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.15 |
| 作者 | 衣俊艳、吴博雅、雍巧玲 |
| 绘制单位 | 北京建筑大学电气与信息工程学院、北京建筑大学电气与信息工程学院、喀什大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集相关属性：基于SURF特征的运动视频图像边缘跟踪方法研究》2020.07.15
- 《表1 各数据集信息：基于随机森林插值的中亚夏季极端高温变化特征》2020.07.01
- 《表1 离散型属性数据特征值分布》2021.01.15
- 《表3 数据集1筛选后特征属性》2020.12.30
- 《表2 实验数据集的样本、特征、问题属性数量》2021.01.10
- 《表3 wine数据集特征属性相关系数》2020.11.15
- 《表1 指标属性离散化：基于云模型及粗糙集理论的围岩稳定性分级方法研究》2018.08.25
- 《表1 数据集概况：一种基于偏置随机游走的属性网络嵌入方法》2019.10.01
- 《表1 数据集概述：基于特征选择与随机森林混合模型的社区恶意评论检测研究》2020.07.05
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表3 采用随机森林特征选择后的数据集》2020.01.06
- 《表1 原始特征及标签：面向非平衡数据集的随机森林算法对学生学业问题的预测分析》2019.12.25
- 《表2 数据离散化：面向非平衡数据集的随机森林算法对学生学业问题的预测分析》2019.12.25
- 《表2 属性离散表：基于粗糙集理论的t检验广域保护区域划分方法》2019.10.01
- 《表1 数据集简介：基于随机抽样的变精度邻域粗糙集特征选择》2019.06.30
- 《表2 数据集的属性特征》2019.02.10
- 《表7 随机森林不同数据集变量重要性程度度量》2019.07.01
- 《表4 滑坡数据集属性特征》2019.01.01
- 《表1 数据集属性：基于深度时空特征卷积-池化的视频人群计数方法》2018.06.20