目前对连续量的量化处理方法很多,如等距离法、模糊聚类法、自组织映射(SOM)神经网络分类法等。
目前已经提出了多种连续属性值离散化方法:等距离法、等频率法、最大嫡法、L方法、W方法、P方法等。
自组织映射(SOM)神经网络分类法（过程中涉及相容性检查）
SOM网络是Kohonen T于1981年提出的一种无监督竞争学习型前馈神经网络,能模拟大脑神经系统自组织特征映射的功能,对输入样本按指定的分类数目进行模式分类,分类结果能够较客观地反映数据分布情况。
运用SOM网络对条件属性进行分类量化的具体过程： （1）给定SOM网络初始分类值m=2（如何选择见下） （2）给定条件属性初始维数d=1
（3）将第d维条件属性按从小到大(或从大到小)排序
（4）用SOM网络对排序后的第d维条件属性值进行分类
（5）把相邻两类边界属性值的均值作为该二类的分界值(即条件属性量化参数) （6）用条件属性量化参数对该维条件属性进行量化 （7）赋值d=d+1,返回第（3）步,直到最后一维条件属性
（8）检查数据表是否相容,若不相容,令m=m+1,返回第（2）步;若相容,结束。 注意： （1）采用SOM神经网络对条件属性进行量化处理时,要注意分类数目的确定,分类数目少,可能会得到不相容的知识表达系统;分类数目过大,则会形成各自独立的规则,造成规则数目过多。本文选择的是m=3。 原始数据 （共38组） 进行量化后
最大嫡法
最大嫡法是基于信息论的离散方法,能够保证离散过程中损失最少的信息。