提出一种连续属性值域划分的离散化新方法，该方法定义一个新的离散化函数，依据类与属性之间的相互依赖关系选择最优的离散区间列表；此外，采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失，减少分类错误。仿真结果和统计分析表明，提出的方法有较好的C5.0决策树分类能力。

从数据库中提取知识的任务通常由机器学习算法执行。 多数的这些算法只能应用于由离散数字或名义属性（特征）描述的数据。 在连续属性的情况下，需要一种将连续属性转换为离散属性的离散化算法。 此代码基于论文：“CAIM Discretization Algorithm”，详细信息可查找该论文[1]。 你可以从“ControlCenter.m”开始，在这里你会找到一个简单的例子，并附有说明。 如果有任何问题，请告诉我。 我会尽快回复你。 [1] Kurgan, L. 和 Cios, KJ，2004 年。CAIM 离散化算法。 IEEE 知识与数据工程汇刊，16(2):145-153

idea实现eclipse多项目依赖存放于同一个工作空间下，tortoise svn配置，tomcat启动配置成功，实现svn代码提交更新，打jar包和war包

多张量 多层网络张量分解，用于社区检测，链路预测和度量层相互依赖性。 新版本：可以在找到新的更新高效的cpp和python版本。 在此链接中，您可以找到文档和用法示例。 因此，将不再维护该存储库中的代码，所有将来的新更新都将上载到新的存储库 。 实现以下算法： [1] De Bacco，C.，Power，EA，Larremore，DB，＆Moore，C.（2017）。 多层网络中的社区检测，链接预测和层相互依赖性。 物理评论E，95（4），042317。 如果使用此代码，请引用 。 预印本可在或找到。 如果您进一步对MultiTensor扩展感兴趣： ：用于合并节点属性 Contisciani M.，Power E.和De Bacco C.（2020）。 多层网络中具有节点属性的社区检测，《科学报告》 10，15736（2020）。 ：用于合并互惠 Safdari H.

相互依赖的不对称性使得多层系统对连锁故障更具鲁棒性

可以学习Qt多pro和pri的编写方法以及动态库的创建、引用及工程间相互依赖关系的pro文件编写方法