全文总字数：1472字

1. 研究目的与意义及国内外研究现状

1.1 选题目的通过实验对比归一化,kmeans,百分位,詹克斯算法对分类算法的实验结果的影响，从而研究不同离散化方法对分类算法的影响。

1.2 选题意义近年来，机器学习等领域逐渐受到大众的关注。

而分类已经成为机器学习等方向的一个重要领域。

2. 研究的基本内容

(1) 离散化方法：主要选择的是归一化,kmeans,百分位,詹克斯算法等离散化方法。

(2) 分类算法：学习一些常见的分类算法，如朴素贝叶斯分类算法，决策树等。

(3) 结合上述的几种离散化方法，将它们应用到分类算法中，通过实验对比它们所对分类算法的实验结果所产生的影响，通过对它们所产生的不同实验结果综合分析和评价，总结这些不同的离散化方法对分类算法的影响。

3. 实施方案、进度安排及预期效果

1.撰写开题报告，准备开题；

2.学习基本的分类算法和离散化方法，对其有一个初步的认识和设想。

1.将学习的几种不同离散化方法应用到分类算法之中，通过实验对比得出实验数据。 整理实验数据，将 几种实验对比方案的结果进行记录制表。

4. 参考文献

[1]王彦国,吴姿颖,邓居智,杨亚新,黄松,罗潇.基于幂次平均的离散归一化总梯度法[j].石油地球物理勘探,2018,53(06):1351-1364 1118.

[2] 彭明.朴素贝叶斯分类算法在降雨预测中的研究与应用[d].南京信息工程大学,2018.

[3]张婧,曹峰,唐超.基于遗传算法和变精度粗糙集的离散化算法[j].华中师范大学学报(自然科学版),2018,52(03):322-328.