检索结果-南通市图书馆

作者：田璐山西大学

学位级别：硕士

聚类分析作为大数据研究与应用的重要技术工具,为通讯业、银行、保险以及各大电子商务领域中的应用研究提供理论支持。其中基于划分的聚类算法性能的优劣很大程度上取决于初始类中心的选择。现阶段初始类中心选择算法都是针对普通数据,... 详细信息

聚类分析作为大数据研究与应用的重要技术工具,为通讯业、银行、保险以及各大电子商务领域中的应用研究提供理论支持。其中基于划分的聚类算法性能的优劣很大程度上取决于初始类中心的选择。现阶段初始类中心选择算法都是针对普通数据,即一个对象对应一条记录,而在实际应用中,一个对象的描述常常不止一条记录。本文将由多条记录描述的对象称为矩阵型对象,由矩阵型对象构成的数据集称为矩阵数据集。截止目前,针对矩阵型数据还没有有效的算法来选择初始聚类中心。若使用已有的算法对其处理,则需要压缩和转换矩阵型数据,这样通常会丢失很多信息且不能够全面反映用户的实际行为。因此本文针对分类型矩阵数据的初始类中心选择进行了探索和研究,提出了新的算法,并与现有的经典算法进行实验对比与分析,主要工作如下:（1）提出了一种基于密度和距离的初始类中心选择算法。根据分类型数据属性值的频率定义了矩阵对象的密度和矩阵对象间的距离,扩展了最大最小距离算法,从而实现初始类中心的选择。（2）提出了一种基于密度和成对约束的初始类中心选择算法。根据属性值的频率和矩阵对象间的平均距离给出新的矩阵对象密度定义,结合了成对约束信息来对初始类中心的选择进行指导,并在聚类过程中,采用约束对信息标签是否一致原则来进一步指导。该算法克服了高密度点可能处于簇的边界处以及选取距离较远样本作为类中心时可能是孤立点等现象,并且适合大规模高维数据。（3）设计并实现了一种基于MATLAB的初始类中心选择系统。系统包括数据加载、参数设置、数据挖掘、数据分析和图形可视化等功能,系统采用GUI技术开发,保证了系统具有良好的可移植性和交互性。本文的研究成果为矩阵型数据的初始类中心选择提供了新方法和新思路,并进一步丰富了分类型矩阵数据的研究。在实际生活中也具有一定的理论和应用价值,相信未来矩阵型数据的研究会成为一个热门趋势,可以解决更多的实际问题。

关键词：分类型矩阵数据初始类中心密度参数距离学习成对约束

来源：

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

分类型矩阵数据的孤立点检测算法研究

分类型矩阵数据的孤立点检测算法研究

引用

作者：吴晓林山西大学

学位级别：硕士

孤立点检测是数据挖掘中的一个重要问题,旨在发现隐藏在大型数据集中的有用的异常对象和异常模式,并已广泛应用于信用卡欺诈检测、网络监测、电子商务、故障检测、恶劣天气预报和卫生系统监测等领域。现有的孤立点检测算法输入的数据集... 详细信息

孤立点检测是数据挖掘中的一个重要问题,旨在发现隐藏在大型数据集中的有用的异常对象和异常模式,并已广泛应用于信用卡欺诈检测、网络监测、电子商务、故障检测、恶劣天气预报和卫生系统监测等领域。现有的孤立点检测算法输入的数据集是包含9)个对象的集合且每个对象对应一条记录,但是在实际应用中,一个对象通常对应多条记录,本文中称包含多条记录的对象为矩阵对象,包含矩阵对象的数据集为矩阵数据集。目前,还没有有效的算法可以检测矩阵数据集中的孤立点,如果使用现有的孤立点检测算法来处理矩阵数据,最直接的方法是压缩和转换数据,但是,在数据压缩和转换的过程中通常会有大量信息被丢失,不足以完全反映用户的真实行为。因此,本文针对分类型矩阵数据集中的孤立点检测进行了深入细致的研究和探讨,主要工作如下:（1）由于矩阵数据集中的对象包含多条记录,所以可以把每个矩阵对象看作一个小数据集,通过给出一种矩阵对象自身的内聚度和该矩阵对象与其他矩阵对象之间的耦合度,定义矩阵对象的孤立因子,提出了一种基于信息熵的孤立点检测算法。（2）数据属性之间通常有复杂的相互作用,所以还需要考虑属性间相互作用对矩阵数据集孤立点检测的影响。因此在计算矩阵对象自身的内聚度时通过互信息度量了属性间的相互作用,进而提出了一种基于信息熵和互信息的孤立点检测算法。总之,本文针对分类型矩阵数据集如何进行孤立点检测进行了研究,提出了新的算法,并在真实数据集上对新算法的有效性和扩展性进行验证。本文的研究为矩阵数据集的孤立点检测提供了新思路与新方法,在实际应用中有一定的理论和使用价值。

关键词：数据挖掘孤立点检测分类型矩阵数据内聚度耦合度

来源：

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

面向分类型矩阵数据的无监督孤立点检测算法

引用

深圳大学学报（理工版） 2019年第1期36卷 33-42页

作者：吴晓林曹付元山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

孤立点检测是数据挖掘的重要分支之一,旨在发现一个数据集中与多数对象行为明显不同的一些对象.针对分类型矩阵数据,通过给出一种矩阵对象自身的内聚度和该矩阵对象与其他矩阵对象之间的耦合度,定义了矩阵对象的孤立因子,提出一种面向... 详细信息

孤立点检测是数据挖掘的重要分支之一,旨在发现一个数据集中与多数对象行为明显不同的一些对象.针对分类型矩阵数据,通过给出一种矩阵对象自身的内聚度和该矩阵对象与其他矩阵对象之间的耦合度,定义了矩阵对象的孤立因子,提出一种面向分类型矩阵数据的孤立点检测算法.在Market basket、Microsoft web和MovieLens真实数据集上的实验结果表明,与基于共同近邻(common-neighbor-based,CNB)算法、局部异常因子(local outlier factor,LOF)算法和基于信息熵(information entropy-based,IE-based)的算法相比,本算法能有效检测分类型矩阵数据中的孤立点.

关键词：人工智能孤立点检测分类型矩阵数据耦合度内聚度数据挖掘

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：