检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于概念格的天体光谱离群数据识别方法

自动化学报 2008年第9期34卷 1060-1066页

作者：张继福蒋义勇胡立华蔡江辉张素兰太原科技大学计算机科学与技术学院太原030024

在宇宙中,寻求特殊的、未知的天体是人类探索宇宙奥妙所追求的目标之一,天体光谱离群数据识别方法是实现该目标的有效手段之一.将概念格中每个概念节点内涵描述为天体光谱数据特征子空间,提出了一种天体光谱离群数据识别方法.首先将概... 详细信息

在宇宙中,寻求特殊的、未知的天体是人类探索宇宙奥妙所追求的目标之一,天体光谱离群数据识别方法是实现该目标的有效手段之一.将概念格中每个概念节点内涵描述为天体光谱数据特征子空间,提出了一种天体光谱离群数据识别方法.首先将概念节点的内涵缩减看作天体光谱特征子空间,并依据稀疏度系数阈值确定稀疏子空间;其次对于稀疏子空间,依据稠密度系数判定祖先概念节点内涵是否为稠密子空间,进而判断出概念节点外延中包含的数据对象是否为天体光谱离群数据;最后以离散化天体光谱数据作为形式背景,实验验证了利用该方法识别出的天体光谱离群数据是准确的、完备的和有效的。

关键词：天体光谱概念格离群数据稠密度系数稀疏子空间

面向LAMOST的天体光谱离群数据挖掘系统研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2007年第3期27卷 606-609页

作者：张继福蔡江辉太原科技大学计算机科学与技术学院

在宇宙中寻求未知天体是人类探索宇宙奥妙所追求的目标之一,离群数据挖掘是发现未知天体光谱数据的一种有效途径。文章首先以VC++和Oracle9i为开发工具,设计与实现了面向LAMOST的恒星光谱离群数据挖掘系统,并给出了其软件体系结构和模... 详细信息

在宇宙中寻求未知天体是人类探索宇宙奥妙所追求的目标之一,离群数据挖掘是发现未知天体光谱数据的一种有效途径。文章首先以VC++和Oracle9i为开发工具,设计与实现了面向LAMOST的恒星光谱离群数据挖掘系统,并给出了其软件体系结构和模块功能。其次,对基于中值滤波器的恒星光谱数据预处理、基于距离的恒星光谱数据聚类、基于距离支持度的恒星光谱数据离群数据挖掘、基于主分量分析法PCA的恒星光谱数据离群数据的三维可视化等主要关键技术进行了详细描述。最后,基于SDSS恒星光谱数据的运行结果表明,利用该系统寻找天体光谱离群数据是可行的,从而为寻找未知的、特殊的天体光谱数据提供了一种新途径。

关键词：天体光谱数据离群数据聚类距离支持度

基于免疫离群数据和敏感初始中心的K-means算法的风电场机群划分

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2016年第20期36卷 5461-5468,5722页

作者：林俐潘险险张凌云赵双新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206 广东电网发展研究院广东省广州市510080 广东电网公司东莞供电局广东省东莞市523000

风电机组在实际运行时,受尾流效应和迟滞效应等因素的影响,场内机组运行状态并不相同,风电场采用传统的单机表征模型可能会产生较大误差。该文基于风电场实测运行数据,以风电机组具有相近运行点为机群划分原则,提出一种基于免疫离群数... 详细信息

风电机组在实际运行时,受尾流效应和迟滞效应等因素的影响,场内机组运行状态并不相同,风电场采用传统的单机表征模型可能会产生较大误差。该文基于风电场实测运行数据,以风电机组具有相近运行点为机群划分原则,提出一种基于免疫离群数据和敏感初始中心的K-means算法的风电场机群划分方法。首先,针对风电场实测运行数据含有离群数据的问题,基于实测样本分布密度分析,对实测数据进行离群数据处理,免疫离群数据的干扰。其次,传统K-means算法对初始聚类中心的选取是随机的,划分结果容易陷入局部最优,基于改进的最大最小距离法对初始机群中心进行优化选择,免疫机群划分结果对初始机群中心随机选取的敏感性。最后,通过对某实际风电场的仿真分析,验证了所提机群划分方法的有效性,所建立的风电场等值模型能够较准确地反映风电场并网点的动态特性,模型的精确性有了较大的提高。

关键词：风电场机群划分 K-means算法离群数据敏感初始中心实测数据

在线全文

学校读者我要写书评

暂无评论

离群数据的探测

天文学进展 2004年第1期22卷 1-9页

作者：张彦霞赵永恒中国科学院国家天文台北京100012

综述了离群数据(outliers)探测是数据挖掘和知识发现的一项重要任务及其在天文学中兴起的必然性。简要介绍了离群数据的定义、特点、产生原因及影响,着重阐述了探测-维离群数据和多维离群数据的方法,并且与一些聚类算法作了对比。每一... 详细信息

综述了离群数据(outliers)探测是数据挖掘和知识发现的一项重要任务及其在天文学中兴起的必然性。简要介绍了离群数据的定义、特点、产生原因及影响,着重阐述了探测-维离群数据和多维离群数据的方法,并且与一些聚类算法作了对比。每一种算法各有优劣,天文学家应根据天文数据的特点,探讨出适合天文数据特点的离群数据探测方法,以发现一些不同寻常的、稀有的、甚至新类型的天体和天文现象。

关键词：数据处理离群数据数据挖掘知识发现天文数据数据探测

在线全文

学校读者我要写书评

暂无评论

离群数据挖掘方法在电力负荷预测中的应用

计算机工程与应用 2010年第21期46卷 213-215页

作者：史东辉安徽建筑工业学院电子与信息工程学院合肥230088

根据负荷预测的理论,通过历史数据为基础进行电力负荷数据预测。由于实际运行过程中,采集数据存在错误,使得获得到的负荷预测曲线包含较大的锯齿状。提出一种新的离群数据挖掘方法,即求二直线的夹角方法寻找尖锐点,离群数据为尖锐点处... 详细信息

根据负荷预测的理论,通过历史数据为基础进行电力负荷数据预测。由于实际运行过程中,采集数据存在错误,使得获得到的负荷预测曲线包含较大的锯齿状。提出一种新的离群数据挖掘方法,即求二直线的夹角方法寻找尖锐点,离群数据为尖锐点处对应电力负荷有功值,然后使用曲线平滑的方法对这些离群数据进行了处理。实验证明,运用提出的这一新的离群数据挖掘方法处理负荷预测曲线,预测结果明显改进。

关键词：离群数据负荷预测直线夹角平滑

在线全文

学校读者我要写书评

暂无评论

离群数据的挖掘方法研究

小型微型计算机系统 2001年第10期22卷 1234-1236页

作者：史东辉张春阳蔡庆生中国科学技术大学计算机科学系安徽合肥230027

离群数据的挖掘是数据挖掘的一个重要部分 ,本文介绍了几个重要的离群数据挖掘方法 ,给出了一个新的基于距离的离群数据发现方法 :第 k个最近邻居法 ;其主要思想是。

关键词：离群数据数据挖掘第k个最近领邻居法数据库

在线全文

学校读者我要写书评

暂无评论

无线传感器网络分布式离群数据检测研究

传感技术学报 2012年第6期25卷 831-836页

作者：唐琪刘学军南京工业大学电子与信息工程学院南京211816

近年来,无线传感器网络离群数据检测研究越来越受到人们的关注。无线传感器网络离群数据检测在火灾监测、欺诈和入侵检测等诸多领域都有非常重要的作用。针对无线传感器网络集中式离群数据检测算法能量消耗过快的问题,提出了一种基于密... 详细信息

近年来,无线传感器网络离群数据检测研究越来越受到人们的关注。无线传感器网络离群数据检测在火灾监测、欺诈和入侵检测等诸多领域都有非常重要的作用。针对无线传感器网络集中式离群数据检测算法能量消耗过快的问题,提出了一种基于密度的分布式离群数据检测算法,并通过引入时空关联性有效提高了检测精度。通过NS2仿真实验,验证了该分布式算法节省了能量消耗,同时保持了较高的检测准确率。

关键词：无线传感器网络离群数据时空相关性分布式算法

在线全文

学校读者我要写书评

暂无评论

基于微粒群和子空间的离群数据挖掘算法研究

系统仿真学报 2009年第7期21卷 1897-1900,1903页

作者：葛凌云张继福蔡江辉太原科技大学计算机科学与技术学院太原030024

传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据。利用微粒群算法(PSO)具有简单、容易实现并且没有许多参数需要调整等优势,提出了一种基于PSO和子空间的离群数据挖掘算法(OM-PSO)。该算法... 详细信息

传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据。利用微粒群算法(PSO)具有简单、容易实现并且没有许多参数需要调整等优势,提出了一种基于PSO和子空间的离群数据挖掘算法(OM-PSO)。该算法首先将子空间看作微粒,根据偏离数据所在子空间的稀疏系数,采用带有变异算子的PSO算法来搜索子空间,并将子空间中的数据看作为局部偏离数据,即离群数据;最后采用离散化的天体光谱数据作为数据集,实验结果验证了该算法的有效性。

关键词：离群数据微粒群算法子空间稀疏系数天体光谱数据

在线全文

学校读者我要写书评

暂无评论

离群数据规则挖掘的决策树构造方法

计算机工程与设计 2011年第5期32卷 1781-1784页

作者：王瑞伟李志华江南大学信息工程学院江苏无锡214122

提出了一种针对离群数据规则挖掘的决策树构造方法。通过给出一个平均致密度的新定义和对离群数据产生机制的深入分析,提出离群数据的致密度往往比正常样本数据高的新认识,指出离群数据本质上也是不平衡数据,基于此提出了一种自动标记... 详细信息

提出了一种针对离群数据规则挖掘的决策树构造方法。通过给出一个平均致密度的新定义和对离群数据产生机制的深入分析,提出离群数据的致密度往往比正常样本数据高的新认识,指出离群数据本质上也是不平衡数据,基于此提出了一种自动标记离群数据的新算法,并进一步在该算法和C4.5算法部分功能的基础上提出了一种基于离群数据自动标记的模糊决策树构造方法。仿真实验结果表明,该方法具有高效的离群数据规则挖掘能力,能处理不平衡数据,优化决策树的结构,挖掘出更高信任度的规则,有一定的实用价值。

关键词：离群数据平均致密度覆盖决策树规则挖掘