检索结果-南通市图书馆

计算机应用 2023年第5期43卷 1336-1341页

作者：张晓燕王佳一西南大学人工智能学院重庆400715

三支概念分析是人工智能领域一个非常重要的研究方向,该理论最大的优势是可以同时研究形式背景中对象“共同具有”和“共同不具有”的属性。众所周知,经过属性聚类生成的新形式背景与原形式背景具有较强的联系,同时原三支概念与经过属... 详细信息

三支概念分析是人工智能领域一个非常重要的研究方向,该理论最大的优势是可以同时研究形式背景中对象“共同具有”和“共同不具有”的属性。众所周知,经过属性聚类生成的新形式背景与原形式背景具有较强的联系,同时原三支概念与经过属性聚类得到的新三支概念也存在紧密的内在联系。为此,进行属性聚类下三支概念的对比研究和分析。首先基于属性聚类提出悲观属性聚类、乐观属性聚类以及一般属性聚类的概念,并研究了这三种属性聚类的关系;然后,通过对比聚类过程与三支概念形成的过程,研究了原三支概念与新三支概念的区别,分别从面向对象和面向属性的角度提出两个最低约束指数,探索了属性聚类对三支概念格的影响,进一步丰富了三支概念分析理论,为可视化数据处理领域提供了可行的思路。

关键词：三支概念属性聚类多粒度最低约束指数等价类

在线全文

学校读者我要写书评

暂无评论

基于属性聚类和属性粒化的三支概念研究

基于属性聚类和属性粒化的三支概念研究

作者：王佳一西南大学

学位级别：硕士

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性聚类是一种基于等价类对属性进行聚合,生成新的属性集的理论。属性粒化是一种... 详细信息

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性聚类是一种基于等价类对属性进行聚合,生成新的属性集的理论。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。在多粒度的研究中,经过属性聚类,属性粒化等过程生成的新形式背景与原形式背景存在内在联系,原三支概念与经过属性聚类得到的新三支概念存在内在联系。在进行方式选择及具体实施的过程中,比较其对三支概念格的作用是主要评价指标。例如等价类的选择和约束的调整对属性聚类后的三支概念格产生影响;同一粒度树上剪枝众多,选择剪枝成为确定粒化效果最优方向必经之路。在三支概念格背景下,对属性聚类与属性粒化的研究尚且不足,且现在无法通过有效手段度量效率,这严重降低了概念区分与细化的速度,需要大量冗余的计算。本文以此为研究背景,通过研究属性聚类与属性粒化的特点,研究概念格与三支概念格在属性聚类与属性粒化前后的区别,提出度量效率的方法与指标。主要创新点如下:(1)通过理论推导,证明了原三支概念与属性粒化得到的新三支概念存在紧密的内在联系,以此作为度量属性粒化效率的基础。对属性聚类这一基础概念进行拓展与推广,提出悲观属性聚类,乐观属性聚类,一般属性聚类的概念,得出一般属性聚类与其他两种属性聚类的关,系使属性聚类结果更具实用意义。在此基础上,通过对聚类过程与三支概念形成的过程,比较原三支概念与经过属性聚类得到的新三支概念的区别,并通过两者之间的联系提出两个约束指数,以此提出量化属性聚类对三支概念格影响的方法。(2)基于属性粒化层次的关系,将属性粒化层次分为存在偏序关系的属性粒化层次和不存在偏序关系的属性粒化层次。进一步,给到细化系数的含义,并分别阐述细化系数在两种属性粒化层次中的度量作用,从而达到度量不同属性粒化方向效率的目的。为提高本理论的可实践性,设计细化系数获取算法,并对算法的有效性和优越性进行评估。

关键词：形式概念分析三支概念属性聚类属性粒化

无监督神经网络地震属性聚类方法在沉积相研究中的应用

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

石油地球物理勘探 2021年第2期56卷 372-379,I0013页

作者：王天云韩小锋许海红孙小萍李陶侯艳东方地球物理公司河北涿州072751 中国地质调查局西安地质调查中心陕西西安710054

基于自组织映射神经网络分析技术(SOMA)划分地震相是一种属性综合聚类方法,开展地震属性优选、确定聚类种数、分析地震相—沉积相关系是该方法应用过程中的关键。针对银额盆地白垩系苏红图组主力生油层系,充分挖掘叠后地震资料中反映的... 详细信息

基于自组织映射神经网络分析技术(SOMA)划分地震相是一种属性综合聚类方法,开展地震属性优选、确定聚类种数、分析地震相—沉积相关系是该方法应用过程中的关键。针对银额盆地白垩系苏红图组主力生油层系,充分挖掘叠后地震资料中反映的地震相类别信息,在地震沉积学理论指导下,应用SOMA进行属性聚类分析,并结合地质资料开展地震相—沉积相研究。优选均方根振幅、信息熵、混沌李、分形关联维等4种地震属性进行聚类分析。研究结果表明,艾特格勒凹陷苏红图组主要发育扇三角洲、辫状河三角洲、滨浅湖、深湖等沉积相。应用此技术降低了少井区地震相—沉积相分析结果的不可靠性,为油气新区勘探的沉积相分析提供了新的依据,是一种切实可行的技术。

关键词：自组织映射神经网络(SOM) 属性聚类地震相沉积相艾特格勒凹陷苏红图组

在线全文

学校读者我要写书评

暂无评论

基于量子蒙特卡罗的地震多属性聚类方法

石油地球物理勘探 2012年第5期47卷 747-753,844+678页

作者：魏超郑晓东李劲松李萌中国石油勘探开发研究院物探所北京100083

多属性聚类分析是从众多地震属性中提取地下地质特征的重要途径。为了更好地提高属性聚类分析的有效性,本文将寻优能力更强的量子蒙特卡罗方法引入到聚类分析中,它能自动根据数据结构的特点,动态调整数据固有的类别数;通过在聚类分析过... 详细信息

多属性聚类分析是从众多地震属性中提取地下地质特征的重要途径。为了更好地提高属性聚类分析的有效性,本文将寻优能力更强的量子蒙特卡罗方法引入到聚类分析中,它能自动根据数据结构的特点,动态调整数据固有的类别数;通过在聚类分析过程中引入相关性分析,估算各个属性的权重大小,提出根据权重大小进行加权的方法,突出对地质特征敏感的地震属性的作用;并提出变尺度的方法,挖掘属性之间共有的、宏观的特征之外的细节部分,减少属性交叉信息的影响。实例应用结果表明,本文提出的方法能很好地挖掘数据的内在特征,提高储层预测的准确性。

关键词：属性聚类量子蒙特卡罗方法加权变尺度聚类

在线全文

学校读者我要写书评

暂无评论

采用属性聚类的高维子空间聚类算法

北京邮电大学学报 2007年第3期30卷 1-5页

作者：牛琨张舒博陈俊亮北京邮电大学网络与交换技术国家重点实验室北京100876 中国电信北京研究院决策研究部北京100035

为了解决现有子空间聚类算法时间复杂度偏高以及对输入参数敏感的问题,提出了一种基于属性聚类方法的高效子空间聚类算法.算法首先通过计算每个属性的基尼值来过滤冗余属性,而后通过基于二维联合基尼值的关系函数建立非冗余属性的关系矩... 详细信息

为了解决现有子空间聚类算法时间复杂度偏高以及对输入参数敏感的问题,提出了一种基于属性聚类方法的高效子空间聚类算法.算法首先通过计算每个属性的基尼值来过滤冗余属性,而后通过基于二维联合基尼值的关系函数建立非冗余属性的关系矩阵,以衡量任意2个非冗余属性的相关度,进而在关系矩阵上应用可产生交叠的聚类算法,聚类结果即为所有兴趣度子空间的候选集合,最后调用聚类算法得到所有存在于这些子空间内的簇.在人工数据集和真实数据集上的实验表明,新算法不仅在时间复杂度和子空间簇的寻找能力方面均有较优表现,而且对输入参数的取值不甚敏感.

关键词：子空间聚类高维数据属性聚类

一种新的模式属性聚类识别算法及在水泥强度预测中的应用

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2000年第7期20卷 118-122页

作者：吴有富贵州民族学院教务处贵州贵阳550025

提出一种新的基于属性的模式聚类识别算法和分类算法 ,给出算法的实现步骤 ,并给出算法在水泥强度预测中的应用 .

关键词：属性聚类模式识别 28D强度水泥强度预测

在线全文

学校读者我要写书评

暂无评论

基于属性聚类的离群数据挖掘算法

中北大学学报（自然科学版） 2018年第3期39卷 310-315页

作者：李俊丽张继福太原科技大学计算机科学与技术学院山西太原030024 晋中学院信息技术与工程学院山西晋中030619

针对现实生活中出现的越来越多的高维海量分类数据,基于属性聚类的方法,提出了一种新的离群数据挖掘算法.该算法首先通过计算属性之间的相关性,将高维分类数据的属性分成多个属性子集,然后在多个属性子集上根据离群得分分别进行离群挖掘... 详细信息

针对现实生活中出现的越来越多的高维海量分类数据,基于属性聚类的方法,提出了一种新的离群数据挖掘算法.该算法首先通过计算属性之间的相关性,将高维分类数据的属性分成多个属性子集,然后在多个属性子集上根据离群得分分别进行离群挖掘,最终选择离群得分最大的k个数据对象作为离群数据.通过采用人工数据集和UCI数据集验证了算法的有效性和可行性,实验结果表明,该算法在精度和效率方面都有提高,可用于高维海量分类数据的离群挖掘.

关键词：高维数据分类数据离群挖掘属性聚类