CN109639283A - 基于决策树的工件编码方法 - Google Patents

基于决策树的工件编码方法 Download PDF

Info

Publication number
CN109639283A
CN109639283A CN201811413984.0A CN201811413984A CN109639283A CN 109639283 A CN109639283 A CN 109639283A CN 201811413984 A CN201811413984 A CN 201811413984A CN 109639283 A CN109639283 A CN 109639283A
Authority
CN
China
Prior art keywords
attribute
workpiece
condition
information
decision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811413984.0A
Other languages
English (en)
Other versions
CN109639283B (zh
Inventor
孔建寿
王安伦
龚睿
刘斯怡
陈栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201811413984.0A priority Critical patent/CN109639283B/zh
Publication of CN109639283A publication Critical patent/CN109639283A/zh
Application granted granted Critical
Publication of CN109639283B publication Critical patent/CN109639283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/70—Type of the data to be coded, other than image and sound
    • H03M7/705—Unicode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于决策树的工件编码方法，其特征在于，包括：选取W道影响工件分类的工序因子，分别计算所述W道工序因子与预设的决策属性之间的相关系数，其中W为大于0的整数；根据所述相关系数的值从W道工序因子中选取T道工序因子，所述T道工序因子作为影响工序分类的条件属性，其中T为大于0且小于等于W的整数；获取条件属性对应的信息熵，根据所述信息熵计算得到每个条件属性的信息增益；根据所述信息增益确定每个条件属性的分割点，判断每个条件的隶属度是否满足并根据所述分割点与相关系数递归构建决策树；基于所述决策树对工件进行分类并编码，并将结果保存于类别确定模块。

Description

基于决策树的工件编码方法
技术领域
本发明涉及信息管理技术，特别是一种基于决策树的工件编码方法。
背景技术
随着经济全球化的深入发展，顾客驱动逐渐成为离散制造业生产的主导力量，生产的趋势不断向着小批量、多批次、个性化的方向发展。因此，离散制造业必须通过数据流动自动化技术，从规模经济转型为范围经济，以同质化规模化的成本，构建出异质化的产业。因此，其中最先要进行改进就是信息化管理系统。在信息化管理系统，尤其在涉及到需要对企业所用到的工件进行编码的信息化系统中，工件编码一直是一个繁琐耗时的工作。现有的工件编码体系中，大多是通过人工审核添加的方法，首先通过现有的认知建立大家认为齐全的编码体系，再通过录入或者导入的方法，把这些编码和工件信息录入系统，当有新的工件出现时，再使用人工录入或导入，最后再由系统管理员进行审核。不管如何，这种工件系统都离不开大量的沟通与人工干预。当有大量的工件编码数据时，实际的工件编码需求方和系统管理员之间往往会存在沟通限制。
决策树是1984年由Breiman、Friedman提出的算法。ID3算法采用一种递归分割的技术，对每次样本集的划分计算信息熵，其中，信息熵是度量数据分区或者是样本集的不纯程度，信息熵越小则划分越合理。ID3算法总是将当前样本集分割为多个子样本集，使得生成的决策树的每个非叶结点都有多个分枝。决策树既可以用来做分类树也可以用来做回归树。
发明内容
本发明的目的在于提供一种基于决策树的工件编码方法，通过加工工序以及工件的相关属性特征对工件进行分类，提供一种生成编码速度快、人工成本低且可提升用户的体验的工件编码方法及系统。
实现本发明目的的技术方案为：一种基于决策树的工件编码方法，包括：
选取W道影响工件分类的工序因子，分别计算所述W道工序因子与预设的决策属性之间的相关系数，其中W为大于0的整数；
根据所述相关系数的值从W道工序因子中选取T道工序因子，所述T道工序因子作为影响工序分类的条件属性，其中T为大于0且小于等于W的整数；
获取条件属性对应的信息熵，根据所述信息熵计算得到每个条件属性的信息增益；
根据所述信息增益确定每个条件属性的分割点，判断每个条件的隶属度是否满足并根据所述分割点与相关系数递归构建决策树；
基于所述决策树对工件进行分类并编码，并将结果保存于类别确定模块。
本发明与现有技术相比，具有以下优点：(1)通过获取工件信息，依据工件信息采用ID3决策树的方式来确定工件类别并判断工件类别是否属于预先限定的类别；(2)当工件信息属于预先限定的类别时，则判断工件信息是否已经存在与编码库中；当工件信息存在于编码库中时，则直接获取该物料信息所对应的编码；当工件信息未存在于编码库中时，自动生成编码；当工件类别不属于预先限定的类别时，反馈工件信息。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1为本发明提供的基于决策树的工件编码法方流程图。
图2为本发明提供的ID3决策树的生成方法流程图。
图3为本发明基于决策树的工件编码系统功能模块示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。
图1为本发明提供的基于决策树的工件编码法方流程图，如图1所示，本实施列中的方法可以包括：
获取工件信息，根据ID3决策树划分工件类别；
本实施例中，用户会优先在系统中确定物料编码的边界，即对哪些品种的工件建立编码。在设定类别管理的精度之后，再根据类别设定该类别具有哪些属性，并对属性进行设置。
示例性的，假设物料有螺钉、螺帽、水泵、直联泵，则可将螺钉和螺帽确定为紧固件类，然后可在紧固件类中添加螺钉长度、螺钉直径、螺钉内径等物料属性信息；将水泵和直联泵确定为产品类，然后在产品类添加泵颜色、泵的润滑方式、功率等物料属性信息。
选取K道影响工件分类的工序因子，分别计算所述K个影响因子与预设的决策属性之间的相关系数；其中，K为大于0的整数。
根据所述相关系数的值从K道工序因子中选取T道工序因子，所述T道工序因子作为影响工件分类的条件属性；其中，T为大于0且小于K的整数。
本实施例中，根据相关系数的大小从K道工序因子中选取T道相关系数较大的工序因子。
根据所述信息熵确定每个条件属性的分割点。
本实施例中，通过信息熵的大小来选取每个条件属性对应的分割点，例如可以选取信息熵最小处的分割点作为所述条件属性的分割点。
根据所述分割点和相关系数递归构建决策树。
本实施例中，可以通过选取相关系数最大的条件属性作为根节点，获取所述根节点的分割点，得到下一层的子数据集，通过判断所述子数据集中是否存在可分割的条件属性来逐次划分子数据集，直到最底层的子数据集中无再可分割的条件属性，生成决策树。
所述W道工序因子与预设的决策属性之间的相关系数的计算公式如下：
式中表示第i个条件属性di与预设的决策属性D之间的相关系数，di表示第个i条件属性，i为大于等于1且小于等于W的整数，D表示预设的决策属性，Cov(Ai,D)表示di与D的协方差，D(Ai)表示Ai的方差，D(D)表示D的方差。
所述K类样本与预设的决策属性之间的信息熵的计算公式如下：
H(D)＝-m×log2(1/m)
式中，m表示预设的决策属性有m种工件分类类别集合A＝{A1,A2,...,Am}，待测工件X类别完全未知，认为其属于其中任何一类的可能性均相等。
所述每个条件属性对应的信息熵，包括：
若选择特征di(i＝1,2,…,W)，则划分当前先验知识集所需要的信息熵的计算公式如下：(假定0log20＝0)：
其中，
式中：H(di|Aj)为特征di对于Aj的归一化的信息熵，其分子的值代表di到Aj的距离，值越小，表示特征被归入Aj类的可能性越大，反之，特征被归入Aj类的可能性越小；分母则是进行了归一化操作，防止个别异常值对整个分类造成巨大的影响。H(di)为当前所有i＝1,2,...,n中的最小值，即通过di分类后，系统混乱值最小。
所述每个条件属性di对应的信息增益，包括：
g(D,di)＝H(D)-H(di)
其中，H(D)＝-m×log2(1/m)，为K类样本与预设的决策属性之间的信息熵。
式中:m表示预设的决策属性有m种工件分类类别集合A＝{A1,A2,…,Am}，待测工件X类别完全未知，认为其属于其中任何一类的可能性均相等。
根据信息熵最小原则来为每个条件属性获取分割点，所述信息熵最小原则是指当基于任一条件属性将所述数据集分割成两个子集时，使得所述条件属性关于所述数据集的信息熵最小，将所述信息熵最小时的分割点作为所述条件属性的分割点。
所述条件属性di关于Aj的隶属度包括：
式中，Aji代表预设的决策属性中第j类的第i个属性的期望值，代表预设的决策属性中第j类的第i个属性的方差；倘若ρ(di,Aj)的结果小于零，则当前工件必然不属于Aj，属于其他类别；若ρ(di,Aj)大于等于零，则可以判断Aj为当前工件的候选类，若无其他大于零的隶属度值，则Aj为当前工件的类别，若存在其他类别的隶属度值大于零，则需要继续选取新的特征进行上述判别，直到类别唯一，即到达叶节点停止。
根据决策树算法得出的结果，判断工件类别是否属于预先限定的类别；
当工件类别属于预先限定的类别时，则判断工件信息是否已经存在于编码库中；
当工件信息存在于编码库中时，则直接获取该工件信息所对应的编码，并将此编码反馈给用户。
本发明实施例通过获取工件信息，采用决策树算法确定工件类别，并判断工件类别是否属于预先限定的类别，当工件类别属于预先限定的类别时，则判断工件信息是否已经存在于编码库中，当工件信息存在于编码库中时，则直接获取该工件信息所对应的编码。本发明可直接为录入的工件信息进行编码，大大提高了多用户使用的编码的审核速度，大大节省了人力和物力。通过编码的使用，可以将所有用户的同质商品放在一起展示。
进一步地，当工件信息不存在于编码库中时，则根据预设的条件判断所提交的工件信息是否可自动生成编码，当可以自动生成编码时，则将自动生成的编码反馈给用户终端。
本实施例进一步地根据预设的条件判断所提交的工件信息是否可以自动生成编码，从而将可以自动生成编码的工件信息自动生成编码反馈给用户。保证了在用户录入的工件信息不存在于系统的编码库时，仍能根据物料的信息自动生成编码，提高了使用便捷性。
进一步地，当不可以根据所录入的信息自动生成编码时,则将所录入的信息反馈至后台，系统根据反馈的录入信息，重新修改物料信息的编码预设条件。
本实施例中根据当系统不能根据工件信息自动生成编码时，自动反馈工件信息，根据具体的情况灵活变化，满足根据用户的使用情况扩充编码的边界，使用户使用更加方便。
图2为本发明提供的ID3决策树的生成方法流程图，包括：
A1：选取数据集中相关系数最大的条件属性作为第1层的节点；将所述条件属性作为根节点，令N的初始值为1；
A2：根据所述N层节点的条件属性对应的分割点确定位于第N+1层的数据子集，所述N+1层的数据子集中相关系数最大的条件属性作为第N+1层的节点；
A3：判断位于第N+1层的数据子集是否存在可分割的条件属性，若存在可分割的条件属性，则令N的值自增1，返回执行，若不存在可分割的条件属性，则执行A4；
A4：判断隶属度是否满足，若满足执行A5，若不满足，执行A6；
A5：生成决策树；
A6：返回结果，结束流程。
本实施例，通过计算影响工件分类的工序因子与预设的决策属性的相关系数来选取条件属性来获取每个条件属性的信息熵，选取信息熵最小的分割点为所述条件属性的分割点，根据每个条件属性的分割点和相关系数递归生决策树，利用决策树来对工件进行分类，本发明中的方法解决了传统的决策树模型存在运行时间较长和预测精度不够等问题，能够有效地对待加工工件进行分类，分类正确率高。
图3为本发明基于决策树的工件编码系统功能模块示意图，包括：
类别确定模块，基于ID3决策树确定工件类别，判断工件类别是否属于预先限定的类别；
信息确定模块，用于当工件类别属于预先限定的类别时，判断工件信息是否存在与编码库中，当工件信息不存在于编码库中时，则根据预设的条件判断所提交的工件信息是否可自动生成编码；
获取信息模块，用于当工件信息存在于编码库中时，则直接获取该物料信息所对应的编码。
自动生成模块，用于当可以自动生成编码时，则将自动生成的编码反馈给用户终端。
自动编码模块，用于工件信息不存在于编码库中时，则将自动生成的编码反馈给用户终端。
自动反馈模块，用于当工件类别不属于预先限定类别时，则将工件信息反馈。
本实施例，工件编码总共分为两部分，信息码和工艺机床码，信息码由12位组成，分别为6位年月日码，4位工件编码，1位来源码和1位类别码。6位年月日码存储年月日信息，使得工件处理的信息可以精确到天，而不是传统的年份；4位工件编码为该工件在企业内的唯一编码；1位来源码只能取值0或1，0表示该工件为外购件，1表示该工件为自制件；1位类别码为上文阐述分类输出结果的类别Aj(j＝1,2,…,n)，由于类别码由大写的英文字母和下标数字组成，组合的结果足以包括所有类别。工艺机床码由在分类时提取出的特征组成以及加工的机床所组成，若一类工艺只由一个特征分类实现分类，则只记录该特征与对应加工的机床；若由两个特征则记录两组信息，以此类推。
本实施例，设计的编码方式不仅减少了对于信息的存储空间，相比于传统的一维码，又增加了很多关键性的信息；同时，在部分工件出现故障时，可以进行交叉对比，迅速找到出现问题的某几道工艺以及对应的加工机床，只针对具有相同操作的工件进行甄别测试，从而避免了大规模召回同一系列产品的弊端。

Claims (7)

1.一种基于决策树的工件编码方法，其特征在于，包括：
选取W道影响工件分类的工序因子，分别计算所述W道工序因子与预设的决策属性之间的相关系数，其中W为大于0的整数；
根据所述相关系数的值从W道工序因子中选取T道工序因子，所述T道工序因子作为影响工序分类的条件属性，其中T为大于0且小于等于W的整数；
获取条件属性对应的信息熵，根据所述信息熵计算得到每个条件属性的信息增益；
根据所述信息增益确定每个条件属性的分割点，判断每个条件的隶属度是否满足并根据所述分割点与相关系数递归构建决策树；
基于所述决策树对工件进行分类并编码，并将结果保存于类别确定模块。
2.根据权利要求1所述的方法，其特征在于，所述W道工序因子与预设的决策属性之间的相关系数的获取方法为：
其中，表示第i个条件属性di与预设的决策属性D之间的相关系数，di表示第个i条件属性，i为大于等于1且小于等于W的整数，D表示预设的决策属性，Cov(di,D)表示di与D的协方差，D(di)表示di的方差，D(D)表示D的方差。
3.根据权利要求1所述的方法，其特征在于，获取数据集中每个条件属性对应的信息熵H(di)的方法为：
其中，
其中，m表示预设的决策属性有m种工件分类类别集合A＝{A1,A2,...,Am}，Aj表示第j类；
H(di|Aj)为特征di对于Aj的归一化的信息熵，其分子的值代表di到Aj的距离，值越小，表示特征被归入Aj类的可能性越大，反之，特征被归入Aj类的可能性越小；分母则是进行了归一化操作；
H(di)为当前所有i＝1,2,...,n中的最小值。
4.根据权利要求1所述的方法，其特征在于，获取数据集中每个条件属性对应的信息增益g(D,di)的方法为：
g(D,di)＝H(D)-H(di)
其中，D表示预设的决策属性，H(di)表示数据集中每个条件属性对应的信息熵，H(D)表示K类样本与预设的决策属性之间的信息熵
H(D)＝-m×log2(1/m)。
5.根据权利要求1所述的方法，其特征在于，根据信息熵最小、信息增益最大的原则来为每个条件属性获取分割点。
6.根据权利要求1所述的基于决策树的工件编码方法，其特征在于，所述条件属性di关于Aj的隶属度，包括：
其中，Aji代表预设的决策属性中第j类的第i个属性的期望值，代表预设的决策属性中第j类的第i个属性的方差；
倘若ρ(di,Aj)的结果小于零，则当前工件必然不属于Aj，属于其他类别；
若ρ(di,Aj)大于等于零，则可以判断Aj为当前工件的候选类，若无其他大于零的隶属度值，则Aj为当前工件的类别，若存在其他类别的隶属度值大于零，则需要继续选取新的特征进行上述判别，直到类别唯一。
7.根据权利要求1所述的方法，其特征在于，根据所述分割点和相关系数递归构建决策树的方法为：
步骤A1，选取数据集中相关系数最大的条件属性作为第1层的节点，将所述条件属性作为根节点，令N的初始值为1；
步骤A2，根据所述N层节点的条件属性对应的分割点确定位于第N+1层的数据子集，所述N+1层的数据子集中相关系数最大的条件属性作为第N+1层的节点；
步骤A3，判断位于第N+1层的数据子集是否存在可分割的条件属性，若存在可分割的条件属性，则令N的值自增1，返回执行，若不存在可分割的条件属性，则执行A4；
步骤A4，判断隶属度是否满足，若满足执行A5，若不满足，执行A6；
步骤A5，生成决策树；
步骤A6，返回结果，结束流程。
CN201811413984.0A 2018-11-26 2018-11-26 基于决策树的工件编码方法 Active CN109639283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811413984.0A CN109639283B (zh) 2018-11-26 2018-11-26 基于决策树的工件编码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811413984.0A CN109639283B (zh) 2018-11-26 2018-11-26 基于决策树的工件编码方法

Publications (2)

Publication Number Publication Date
CN109639283A true CN109639283A (zh) 2019-04-16
CN109639283B CN109639283B (zh) 2022-11-04

Family

ID=66069346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811413984.0A Active CN109639283B (zh) 2018-11-26 2018-11-26 基于决策树的工件编码方法

Country Status (1)

Country Link
CN (1) CN109639283B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776831A (zh) * 2023-03-27 2023-09-19 阿里巴巴（中国）有限公司 海关、报关编码确定、决策树构建方法和介质
CN117408787A (zh) * 2023-12-15 2024-01-16 江西求是高等研究院 一种基于决策树的根因挖掘分析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246818A (zh) * 2013-05-15 2013-08-14 西北工业大学 基于信息熵的topsis法多目标威胁排序方法
CN103473437A (zh) * 2013-08-02 2013-12-25 福州大学 一种基于模糊理想化目标分析的云服务平台选择方法
CN106845717A (zh) * 2017-01-24 2017-06-13 哈尔滨工业大学 一种基于多模型融合策略的能源效率评价方法
CN107301513A (zh) * 2017-06-27 2017-10-27 上海应用技术大学 基于cart决策树的水华预警方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246818A (zh) * 2013-05-15 2013-08-14 西北工业大学 基于信息熵的topsis法多目标威胁排序方法
CN103473437A (zh) * 2013-08-02 2013-12-25 福州大学 一种基于模糊理想化目标分析的云服务平台选择方法
CN106845717A (zh) * 2017-01-24 2017-06-13 哈尔滨工业大学 一种基于多模型融合策略的能源效率评价方法
CN107301513A (zh) * 2017-06-27 2017-10-27 上海应用技术大学 基于cart决策树的水华预警方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776831A (zh) * 2023-03-27 2023-09-19 阿里巴巴（中国）有限公司 海关、报关编码确定、决策树构建方法和介质
CN116776831B (zh) * 2023-03-27 2023-12-22 阿里巴巴（中国）有限公司 海关、报关编码确定、决策树构建方法和介质
CN117408787A (zh) * 2023-12-15 2024-01-16 江西求是高等研究院 一种基于决策树的根因挖掘分析方法及系统
CN117408787B (zh) * 2023-12-15 2024-03-05 江西求是高等研究院 一种基于决策树的根因挖掘分析方法及系统

Also Published As

Publication number Publication date
CN109639283B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
US7519446B2 (en) Manufacture condition setting system, manufacture condition setting method, control program, and computer-readable record medium recording control program therein
JP3726263B2 (ja) 文書分類方法及び装置
CN107391772B (zh) 一种基于朴素贝叶斯的文本分类方法
US20060004528A1 (en) Apparatus and method for extracting similar source code
US20030033263A1 (en) Automated learning system
US5956692A (en) Attribute inductive data analysis
CN111105041B (zh) 一种用于智慧数据碰撞的机器学习方法及装置
CN109639283B (zh) 基于决策树的工件编码方法
CN111045612A (zh) 印刷订单参数匹配方法、存储介质和计算机设备
CN108537249B (zh) 一种密度峰值聚类的工业过程数据聚类方法
CN109716660A (zh) 数据压缩装置和方法
CN116150455B (zh) 一种异构数据解析方法
CN110737773B (zh) 一种基于神经网络的信息分类方法和系统
CN111400644B (zh) 一种用于实验室分析样品的计算处理方法
JP2015207047A (ja) 類似特徴抽出装置、方法、及びプログラム
CN110955811B (zh) 基于朴素贝叶斯算法的电力数据分类方法及系统
CN113672804A (zh) 推荐信息生成方法、系统、计算机设备及存储介质
CN107329999B (zh) 文档分类方法及装置
US7272590B2 (en) System and method for determining numerical representations for categorical data fields
JP2020166443A (ja) データ加工方法レコメンドシステム、データ加工方法レコメンド方法、及びデータ加工方法レコメンドプログラム
Team et al. Package ‘mutoss’
CN104951455A (zh) 一种基于类别从属度的信息分类方法及系统
EP4235487A1 (en) Semantic based ordinal sorting
Prats-Montalbán et al. Multivariate statistical projection methods to perform robust feature extraction and classification in surface grading
CN118194015A (zh) 基于knn的铝模板特征识别方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant