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......
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......
图聚类作为从海量数据中发现有用知识的技术引起了人们的广泛关注。目前的聚类方法多是在基于图拓扑结构或基于图节点属性方面进行......
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......
现如今,随着海量数据的指数级增长,数据挖掘作为处理海量数据的技术,有着广泛的应用前景。在海量数据挖掘中,属性约简方法的研究是......
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......
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......
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......
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......
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......
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......
零样本学习是目前迁移学习领域的研究热点之一,与传统的图像分类问题不同,零样本学习旨在识别从未见过的数据类别,即在测试阶段所......
在确定聚类初始值的问题上,山峰聚类算法是一种简捷有效的算法,它既是一种对样本集进行近似聚类的算法,又可以作为其他聚类分析的......
分类就是学习一个分类函数或者分类模型（即分类器）,然后用学习得到的分类器将数据对象映射到某一个给定的类别中的过程。分类是机器......
针对K-means算法全局搜索能力的不足,提出了基于模拟谐振子的优化K-means聚类算法（SHO-KM）,该算法克服了K-means聚类算法对初始聚类......
经典的K-Means算法认为被分析样本的各个属性对聚类结果的贡献均匀,没有考虑不同属性特征对聚类结果可能造成的不同影响。文章提出......
随着信息技术的普及、大数据时代的到来,数据深度分析的需求也越来越大,数据挖掘技术便是一种实现从信息到知识转变的有效工具。而......
平均单一依赖估计算法（averaged one-dependence estimators,AODE）是通过放松朴素贝叶斯算法的假设条件得到的一种更加高效的分类算......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
同时兼具数值型和分类型属性的混合数据在实际应用中普通存在,混合数据的聚类分析越来越受到广泛的关注.为解决高维混合数据聚类中......
针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的......
改革开放以来,我国经济快速增长,人民越来越富裕,个人的消费和投资理念也发生了翻天覆地的变化,个人消费信贷的规模随之不断扩大,......
针对不同属性对数据点之间距离贡献的不同,提出了一种用于距离度量的属性加权策略。标称属性通过属性取值的信息熵进行加权,数值属......
