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

离群点挖掘及其内涵知识发现研究

离群点挖掘及其内涵知识发现研究

作者：连凤娜厦门大学

学位级别：硕士

数据是当今信息社会宝贵的资源,发现并利用潜藏在那些复杂数据集中的有用知识已成为科学决策的前提。数据挖掘技术通过关联规则、聚类及分类等方法实现从大量的、不完全的、有噪声的数据中,提取隐含在其中的、人们事先不知道的、潜在有... 详细信息

数据是当今信息社会宝贵的资源,发现并利用潜藏在那些复杂数据集中的有用知识已成为科学决策的前提。数据挖掘技术通过关联规则、聚类及分类等方法实现从大量的、不完全的、有噪声的数据中,提取隐含在其中的、人们事先不知道的、潜在有用的信息和知识。离群挖掘是数据挖掘中的一项重要技术。所谓离群点就是那些明显偏离其它数据、不满足数据的一般模式或行为,以至于被怀疑可能是由另外一种完全不同的机制产生的数据对象。离群数据不等同于错误数据,有的离群数据可能蕴含着重要的信息。如欺诈行为、入侵行为、不寻常的消费行为等。因此,对离群数据进行研究具有十分重要的意义。离群挖掘可分为3个子问题:①在给定的数据集合中什么样的数据是被认为不一样的;②找到一个有效的方法来挖掘这样的离群点;③对离群点的合理解释,即离群点的内涵知识。已有的很多离群挖掘算法都只是集中于前两个子问题,即在检测出离群点后未能揭示离群点的内涵知识,而这个才是用户真正关心的问题,也是我们挖掘的真正目的。本文提出了一种基于关联空间的离群挖掘算法,能够找出造成离群点离群的最小属性集,揭示离群点的内涵知识——正是这些属性造成了离群点的离群。具体地讲,本文的研究工作主要包含以下几个方面: ①研究了数据挖掘相关概念和技术,包括数据挖掘功能和分类、数据预处理、聚类分析及关联规则。 ②分析了k-means算法的优缺点,并总结了各种初始中心选取方法,最后提出了一种新的初始值选取方法。 ③对基于距离的离群挖掘技术进行了较为全面的分析和总结,设计了一种基于k-最近邻距离和的离群挖掘算法,介绍了基于分区的算法。 ④通过分析算法FindNonTrivialOuts,提出了一种基于关联空间的离群挖掘算法,并给出实验验证。

关键词：离群挖掘内涵知识关联空间

我国外语教师知识研究:回顾与展望——基于外语类和教育类CSSCI期刊论文的分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

外语界 2016年第6期 31-39页

作者：姜霞王雪梅上海外国语大学国际教育学院上海200083 上海外国语大学学科办上海200083

教师知识是教师专业发展领域的重要研究内容之一。本文以1990—2015年我国14种外语类核心期刊和42种教育类核心期刊发表的外语教师知识论文为样本,采用内容分析法对我国外语教师知识研究的总体趋势、内容、特点等进行梳理分析。分析结... 详细信息

教师知识是教师专业发展领域的重要研究内容之一。本文以1990—2015年我国14种外语类核心期刊和42种教育类核心期刊发表的外语教师知识论文为样本,采用内容分析法对我国外语教师知识研究的总体趋势、内容、特点等进行梳理分析。分析结果显示,多数外语类期刊已发表外语教师知识论文,其中2009—2013年发表数量呈上升趋势;研究内容主要包括外语教师知识的内涵与要素、外语教师知识的不足、外语教师知识的影响因素及外语教师知识发展路径4个方面;研究具有对象广泛、内容多元、方法综合的特点,但研究的系统性、科学性、实用性等有待提升。文章进而结合国际研究热点,对我国外语教师知识研究提出相关建议。

关键词：外语教师知识内涵知识发展路径回顾与展望

在线全文

学校读者我要写书评

暂无评论

基于聚类的离群点分析方法

计算机应用研究 2012年第3期29卷 865-868页

作者：邓玉洁朱庆生重庆大学计算机学院重庆400044

对于离群点的形成,不同的属性起着不同的作用,离群点在不同的属性域中,会表现出不同的离群特性,在大多数情况下,高维数据空间中的对象是否离群往往取决于这些对象在低维空间中的投影。针对如何将离群点按照形成原因分类的问题,引入离群... 详细信息

对于离群点的形成,不同的属性起着不同的作用,离群点在不同的属性域中,会表现出不同的离群特性,在大多数情况下,高维数据空间中的对象是否离群往往取决于这些对象在低维空间中的投影。针对如何将离群点按照形成原因分类的问题,引入离群属性和离群簇等概念,以现有离群挖掘技术为基础,提出了基于离群分类来进行离群点分析的方法,实现了基于聚类的离群点分类算法CBOC(cluster-based outlier classification),以揭示离群点的内涵知识。实验表明了该方法在实际应用中的有效性。

关键词：离群分析离群分类离群属性离群簇内涵知识

在线全文

学校读者我要写书评

暂无评论

基于网格距离的聚类算法的设计、实现和应用

计算机应用 2005年第2期25卷 294-296页

作者：田启明王丽珍尹群云南大学信息学院

提出了一种新的基于网格距离的聚类算法。该算法不仅克服了K 代表点算法中必须事先给定K值、难以确定初始代表点、聚类结果的现实意义难以描述等缺点,而且克服了基于网格的聚类算法中要求数据必须在空间密集的缺陷。通过实验验证了新算... 详细信息

提出了一种新的基于网格距离的聚类算法。该算法不仅克服了K 代表点算法中必须事先给定K值、难以确定初始代表点、聚类结果的现实意义难以描述等缺点,而且克服了基于网格的聚类算法中要求数据必须在空间密集的缺陷。通过实验验证了新算法的正确性和有效性。

关键词：数据挖掘聚类网格 K-均值聚类相似度量内涵知识

在线全文

学校读者我要写书评

暂无评论

基于聚类的离群点分析方法研究

基于聚类的离群点分析方法研究

作者：邓玉洁重庆大学

学位级别：硕士

在实际应用中，数据集通常包含正常数据和离群数据，相对于正常数据而言，离群点的产生机制往往与之不相同，所以离群点可能蕴含着重要的信息，研究离群点的内涵知识具有重要学术意义和广泛应用价值。对离群数据的研究主要包括离群检测... 详细信息

在实际应用中，数据集通常包含正常数据和离群数据，相对于正常数据而言，离群点的产生机制往往与之不相同，所以离群点可能蕴含着重要的信息，研究离群点的内涵知识具有重要学术意义和广泛应用价值。对离群数据的研究主要包括离群检测与离群分析两个方面，然而现有离群数据研究都主要集中于对离群点的检测，离群数据分析方面的研究成果较少。在不同的属性子空间中，离群点会表现出不同的离群特性，在大多数情况下，高维数据空间中的对象是否离群往往取决于这些对象在低维空间中的投影。对于离群点的形成，不同的属性起着不同的作用，需要根据这些属性子空间将离群点按离群性质进行分类，以揭示离群点的产生原因。针对这一问题，本文引入离群属性和离群簇等一系列概念，以现有离群挖掘技术为基础，重点对离群数据集的分类、离群性质、释义空间以及产生来源等进行分析，提出了一种利用离群分类来进行离群点分析的方法。具体来讲，本论文的主要研究工作如下： ①对离群分析在离群挖掘中的理论意义和应用价值进行了介绍，并考察了离群检测技术和离群分析方法的国内外研究现状。 ②对各种离群挖掘技术的核心思想与各自的适用范围进行了分析，并总结出了这些技术所存在的优点和缺点，重点讨论了当前具有代表性的离群分析方法。 ③研究和比较现有的聚类分析方法，对部分聚类算法的改进方向进行了探讨，并详细介绍了聚类算法在离群挖掘中的应用。 ④通过分析离群点和聚类簇的相互关系，利用通过聚类算法检测出的离群点的特点，提出了一种基于聚类的离群点分析方法。论文中详细阐述了该方法的设计思想和主要内容，并提出了离群属性、平凡离群点、非平凡离群点和离群簇等相关概念。 ⑤以基于聚类的离群点分析方法为基础，设计并实现了基于聚类的离群点分类算法CBOC（Cluster-based Outlier Classification），在实验数据与真实数据集上验证算法的分类能力，并对算法的时间空间性能进行了分析。 ⑥最后合理总结了本文进行的所有工作，对全文工作中的优点和不足进行了分析，并对以后的工作提出了进一步研究目标。

关键词：离群挖掘与分析离群分类离群属性离群簇内涵知识