属性加权相关论文
电力变压器故障能否精准定位一直是制约其状态检修有效开展的技术瓶颈。文中针对目前已有故障定位模型存在的不足,借助变压器故障类......
朴素贝叶斯算法是一种以贝叶斯原理为基础,基于概率知识、有着坚实数学基础的分类算法。其具有易构造、易理解、高效性等优点,一直......
分类作为数据挖掘中的重要任务之一,被广泛应用于医疗诊断、文本分类、模式识别以及位置推荐等领域。许多机器学习算法都可以实现......
随着人类社会的不断发展,陆地上的不可再生资源逐渐匮乏,人类对海洋资源的开发已势在必行。无人无缆水下机器人(AUV)作为一种高效率......
朴素贝叶斯分类器(Naive Bayes,NB)是一种简单而有效的分类器,特别适用于中小规模数据分类.但作为以整体分类正确率为指导的传统分......
随着科学技术的迅速发展,各专业领域的文本数据呈爆炸式增长趋势,如何从非结构化文本数据中挖掘出有用的信息成为一个挑战。文本分......
现有的文本自动分类方法通常是基于向量空间模型并使用TF-IDF表示,忽略了属性在不同类别中重要性的差异,因而影响到分类的性能.本......
聚类分析是机器学习中很重要的一个研究领域。聚类分析所涉及的领域包括:数据挖掘、统计学、机器学习、空间数据库技术、生物学等。......
目前大量有用信息以文本形式存在,因此如何快速对大规模的文本分类成为亟待解决的问题。为应对这一问题,文本自动分类应用而生。文......
随着互联网的不断发展,用户及其发表的评论成爆炸式增长。这些评论包含大量的信息,企业需要用户对其产品或服务的评价来改善质量并提......
K-近邻算法作为一种理论上比较成熟且简单有效的分类算法,已经得到了广泛的研究和应用。但是K-近邻算法易受噪声影响且不能处理多......
贝叶斯分类属于数据挖掘领域重要的分类方法之一,朴素贝叶斯分类是一种简单的贝叶斯分类方法,与其它分类方法相比,它的优点是简单、高......
分类作为数据挖掘领域中的核心研究内容,在现实生活中有着非常广泛的应用,例如根据病人的临床病症属性判断病人患了什么病。常见的......
传统的聚类算法通常将样本间的距离作为相似度的划分标准,因此距离计算方式的选择对于聚类的结果至关重要。但是传统的距离计算方......
基于不确定数据进行数据挖掘和知识发现的研究由于更加符合客观实际而逐渐成为近年来研究的热点.而在K—means算法聚类的过程中,样本......
属性约简是粗糙集理论的重要研究内容之一,本文对浓缩树结构中属性出现的频率进行加权,以属性频率的权重作为启发,以核为基础,从树......
在加权模糊聚类算法中,属性权重确定的合理性是一个重要问题.鉴于用区间数描述决策者推理模糊性的优越性,提出属性权重用区间数表......
聚类是数据挖掘的重要技术之一,用于发现数据中未知的分类。K-means算法是基于划分的聚类算法中的一个典型算法,K-means算法有操作简......
在机器学习中的聚类技术被人们看作是非常有研究价值的内容,在金融中的诈骗、医疗中的诊断、图像中的研究、信息中的搜索以及生物......
目的 为了提高2维直方图模糊C均值聚类分割算法的抗噪性和普适性,提出了属性加权2维直方图模糊C均值聚类分割新方法.方法 针对2维......
针对 K-调和均值算法中距离度量将所有属性视为相等重要而存在的不足,提出一种利用自动属性加权的改进聚类算法。在算法的目标函数......
研究了模糊知识的表示方法,提出了一种表示模糊知识的模糊数据模型,利用属性加权模糊值来表示模糊性数据.通过定义在元组上的隶属......
朴素贝叶斯分类是一种简单而高效的方法,但是它的属性独立性假设,影响了它的分类性能。针对这种问题,本文提出一种基于属性加权的......
针对传统学习矢量量化算法没有考虑属性的重要度差异的问题,提出一种加权学习矢量量化算法.该算法为每一维属性引入一个权重系数,......
针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Me......
为提高朴素贝叶斯分类器的分类精度和泛化能力,提出了基于属性相关性的加权贝叶斯集成方法(WEBNC)。根据每个条件属性与决策属性的相......
针对当数据集合中的数据属性差异不明显时,传统的均值聚类算法会收敛到局部最小值点,造成算法聚类结果不准、精度下降的问题,提出......
空间例外是指与其邻域内其它数据表现不一致或者是偏离观测值以至使人们认为是由不同体制产生的观测点.传统的例外挖掘是根据一个......
赤铁矿作为铀矿床蚀变带中一种典型的蚀变矿物,在铀矿勘测过程中具有十分重要的指矿作用.传统的建模方法都以同样的概率来处理每个......
【目的】改进和提高空间模糊聚类算法。【方法】首先利用层次分析法得到各属性的权值,然后将权值与空间模糊动态聚类法相结合,最后......
针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用Rel......
属性加权FCM算法可在算法迭代过程中求出各属性的权值,并不影响算法本身的执行效率,可发现隐藏在部分属性中的类结构,提高分类准确......
类属型数据广泛分布于生物信息学等许多应用领域,其离散取值的特点使得类属数据聚类成为统计机器学习领域一项困难的任务.当前的主流......
层次聚类分析是模式识别和数据挖掘领域中一个非常重要的研究课题,具有广泛的应用前景。受决策树学习中选择最佳分类属性的启发,提出......
朴素贝叶斯分类算法以其简单、高效等优点一直是分类算法的研究热点之一。但是它的条件独立性假设不能很好的表现多数现实应用中变......
文章提出了一种基于灰色相似度和信息熵的最优样本子集生成方法,进而采用LS-SVM方法建立了软件成本预测模型,并运用混合网格搜索和......
K-Means是经典的非监督聚类算法,因其速度快,稳定性高广泛应用在各个领域。但传统的K-Means没有考虑无关属性以及噪声属性的影响,......
朴素贝叶斯算法是一种简单而高效的分类算法,但它的属性的条件独立性假设在现实中往往不成立,而且算法本身对高维数据不敏感,如何......
针对实际中存在的各类别样本错分造成不同危害程度的分类问题,提出了一种基于属性加权的代价敏感支持向量机分类算法,即在计算各个样......
朴素贝叶斯分类器的条件独立性这一假设称为“朴素贝叶斯假设”,其限制了朴素贝叶斯分类的适用范围和分类准确率,本文提出用改进的......
讨论聚类分析中的一个主要问题,即可能出现的结构性属性加权,提出了加权的不同措施用于实体的一种新算法,这种算法允许使用k-means-ty......
针对K-调和均值算法中距离度量将所有属性视为相等重要而存在的不足,提出一种利用自动属性加权的改进聚类算法。在算法的目标函数......
本文主要研究的是系统重构方法和层次分析方法在属性加权过程中的作用.根据背传神经网络获得分类正确率被作为比较标准.文中使用的......
传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同,所以很难发现隐藏在部分属性中的类结构,也难以识......
朴素贝叶斯分类器是一种应用广泛且简单有效的分类算法,但其条件独立性的"朴素贝叶斯假设"与现实存在差异,这种假设限制朴素贝叶斯......
现有的加权模糊C均值聚类算法中,属性加权是一个不断迭代、重复计算的过程,费时费力。针对这种情况,提出Fisher线性判别率进行属性......