密度偏差抽样相关论文
AP聚类算法无需人为设定类别和指定类中心，能高效解决数据聚类问题，但无法满足大规模数据的应用需求，因此对数据进行聚类前先约简数据......
随着移动应用数据爆发式增长,微服务架构越来越庞大,排查系统故障变得越来越复杂,建立一种能快速定位解决问题的系统势在必行.针对......
挖掘海量数据，从中发现有用的信息与知识是当前数据挖掘研究领域面临的重大挑战。到目前为止，海量数据挖掘的主要解决策略包括数据约......
随着网络的普及和信息量的急剧增加,从海量数据中提取有用的数据信息已迫在眉睫。本文提出了一种基于密度偏差抽样的聚类算法,实验......
随着网络的普及和信息量的急剧增加,从海量数据中提取有用的数据信息已迫在眉睫。在对已有的基于密度偏差抽样算法改进的基础上,提......
简单随机抽样是在分析处理大规模数据集时最常用的数据约简方法,但该方法在处理内部分布不均匀的数据集时容易造成类的丢失。基于......
准确评估电压暂降水平是理解与改善电压暂降问题的前提。虽然IEEE Std 1564—2014标准已为电压暂降系统指标的计算提供了建议,但考......
在大数据时代,了解数据的分布与特征,从而发现有用的信息已经成为一个重要的研究课题,因此很多学者结合机器学习、数据库、数理统......
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用......
随着信息技术的飞速发展和日益普及，各行各业所积累的数据也日益增多，尤其是近年来，“信息爆炸”、“大数据”等概念日渐兴起，如何从大......
针对层次聚类方法与K-Means聚类方法的一些不足，提出了一种基于密度偏差抽样的改进聚类分析算法DS-Ward，该算法能够自动获得中心点和......
K-means聚类算法作为一种经典的聚类算法,应用领域十分广泛;但是K-means在处理高维及大数据集的情况下性能较差。核密度估计是一种......
