检索结果-南通市图书馆

计算机科学 2024年

作者：薛任煊伊士超王平心江苏科技大学计算机学院江苏科技大学理学院

聚类用于将数据集中的对象划分为具有相似特征的组或类别，使得同一组内的对象之间的相似度较高，而不同组之间的相似度较低。密度聚类是无监督聚类方法之一，它不需要提前指定类簇的数量，而是根据数据的密度来自动确定，与K均值等方... 详细信息

聚类用于将数据集中的对象划分为具有相似特征的组或类别，使得同一组内的对象之间的相似度较高，而不同组之间的相似度较低。密度聚类是无监督聚类方法之一，它不需要提前指定类簇的数量，而是根据数据的密度来自动确定，与K均值等方法相比，密度聚类对初始点的选择不敏感，因此更容易得到稳健的聚类结果。在众多的密度聚类算法中，DENCLUE（DENsity-based CLUstEring）算法采取了爬山策略，它具有坚实的数学基础，在大量噪声的数据集中具有良好的聚类性能，以及在高维数据集中允许对任意形状进行聚类，但其在处理大规模数据集时，需要耗费大量的计算资源和时间。为此，在这里使用粒计算的粒化模型来构建数据集，首先构建一个粗粒度的粒球，再将粗粒度的粒球划分为细粒球，最后以粒球的形式作为DENCLUE算法的输入，从而进行聚类。实验结果表明，该算法在多个数据集上具有有效性。

关键词：聚类粒计算粒球 DENCLUE 核函数

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种面向粒球粗糙集的快速约简求解方法

引用

小型微型计算机系统 2023年第1期44卷 24-29页

作者：陈中华巴婧徐泰华王平心杨习贝江苏科技大学计算机学院江苏镇江212100 江苏科技大学理学院江苏镇江212100

在粗糙集领域中,粒球的产生可以被视作是一个无监督的进程,其终止条件是无监督产生的粒球需达到根据标签信息所计算出来的纯度.当数据中存在大量不一致情形时,样本自身的标签信息有可能会为生成高纯度的粒球带来较大阻碍,基于粒球粗糙... 详细信息

在粗糙集领域中,粒球的产生可以被视作是一个无监督的进程,其终止条件是无监督产生的粒球需达到根据标签信息所计算出来的纯度.当数据中存在大量不一致情形时,样本自身的标签信息有可能会为生成高纯度的粒球带来较大阻碍,基于粒球粗糙集的约简求解因受粒球生成这一因素的影响,也会耗时巨大.鉴于此,首先,将伪标签策略引入粒球的计算过程中,因为伪标签的生成也可以采用无监督的方式,所以可以较好地贴合粒球中样本的聚集,减少不一致情形,提高粒球的产生效率.其次,设计了前向贪心搜索算法,用于求解基于伪标签粒球粗糙集的约简.最后,在12组基准数据集上的实验结果验证了所提方法不仅能够有效地提升约简的求解效率,而且也能够保证约简中的属性具备相当的分类能力.

关键词：属性约简粒球伪标签粗糙集

来源：

维普期刊数据库博看期刊

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

快速求解粒球粗糙集约简的属性划分方法

引用

南京理工大学学报 2021年第4期45卷 394-400页

作者：巴婧陈妍杨习贝江苏科技大学计算机学院江苏镇江212100

传统邻域粗糙集需指定半径或通过搜索方式找出适用于问题求解的半径,这在数据预处理过程中会带来极大的时间消耗。而粒球粗糙集方法则能够依据数据分布,自适应地生成合适的粒结构。以粒球的纯度为度量准则,粒球粗糙集方法亦为属性约简... 详细信息

传统邻域粗糙集需指定半径或通过搜索方式找出适用于问题求解的半径,这在数据预处理过程中会带来极大的时间消耗。而粒球粗糙集方法则能够依据数据分布,自适应地生成合适的粒结构。以粒球的纯度为度量准则,粒球粗糙集方法亦为属性约简问题的研究引入新的思路。利用前向贪心搜索求解约简时,需尝试计算每一个候选属性被加入约简池后所引起的粒球纯度的变化,这为算法的执行效率带来了严峻挑战。为解决这一问题,在前向贪心搜索进程中提出了属性划分策略,其本质是将所有属性划分成不同的组,从而能够压缩候选属性的搜索空间,以达到快速求解约简的目的。使用了10组UCI数据集,最终的实验结果说明,相较于传统邻域粗糙集约简以及基于纯度的粒球粗糙集约简,引入属性划分策略后,能够极大地提升粒球粗糙集约简求解的时间效率。

关键词：属性划分属性约简粒球粗糙集

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

基于多粒度-粒球划分的快速k-means聚类算法研究

基于多粒度-粒球划分的快速k-means聚类算法研究

引用

作者：彭道万重庆邮电大学

学位级别：硕士

k-means算法是机器学习中一种经典的被广泛应用的无监督学习算法。k-means算法在处理大规模聚类场景下的效率提升具有重要研究价值,本文为提升k-means算法在大数据场景下的效率提出了两种改进方案,第一种是基于粒球划分的精确kmeans加... 详细信息

k-means算法是机器学习中一种经典的被广泛应用的无监督学习算法。k-means算法在处理大规模聚类场景下的效率提升具有重要研究价值,本文为提升k-means算法在大数据场景下的效率提出了两种改进方案,第一种是基于粒球划分的精确kmeans加速算法,第二种是基于近邻信息的近似k-means加速算法。本文提出的第一种改进k-means算法称为Ball k-means,是一种精确加速算法,通过粒球模型来描述一个簇类。该算法主要通过减少数据点与聚类中心之间的不必要的距离计算从而达到降低运行时间来提高效率的目的。该算法中的近邻搜索方式可以准确地为每个粒球找到其近邻粒球,从而使得一个数据样本点仅仅需要计算到其相邻近的粒球的聚类中心的距离;此外,每个粒球还可以被划分为“稳定域”和“活动域”,而“活动域”可以进一步划分为许多“环形域”。“稳定域”中的数据点在当前迭代轮次中不会更改,而“环形域”中的点在当前迭代轮次中将在一些近邻粒球之间进行调整;另外,还设计了一种方法来降低每轮迭代中粒球球心之间的欧式距离计算;针对k-means算法在后期迭代过程中越来越多的粒球会逐渐趋于“不变”,本文提出了一种方法能够找到这些粒球,并证明了这些粒球不需要重新建立粒球,粒球里面的数据样本不需要参与本轮迭代中的分配步骤;最后,通过理论分析和在真实数据集以及人工合成的数据集上的实验结果表明,该算法的性能优于最新的精确加速k-means算法,尤其是在处理大k聚类问题时。Ball k-means算法设计简单、无需额外参数使其能够完全替代Lloyd k-means算法。在某些应用中,对于聚类结果的质量要求不高,即允许部分的聚类结果不准确,但需要快速得到聚类结果。因此,本文提出了第二种基于近邻信息的快速近似kmeans聚类算法。基于观察发现,在k-means迭代过程中,每个粒球中的数据样本只在其周围邻近的粒球范围之间调整。为此,本文通过一种局部化策略来将k-means算法的分配步骤中参与的粒球缩小到一个较小的范围;此外,为了维稳所提出算法的聚类质量,本文还提出了一种新的近邻更新方式,将近邻的近邻当作候选近邻,进而在后续迭代轮次中用候选近邻粒球来进行k-means算法的分配步骤,从而避免了维持最初的近邻关系导致最终聚类结果的质量损失。最后,在真实数据集中验证本算法的有效性,在多个数据集的时间性能上相对于Lloyd k-means算法达到了成百上千倍的加速,而平均仅有1.10%左右的聚类质量损失。本文提出了两种快速高效的k-means聚类方法,为大规模聚类场景下的快速聚类需求提供了两种不同的解决方案。

关键词：粒球稳定域活动域局部化策略近邻更新

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

基于近邻关系的分类聚类算法研究

基于近邻关系的分类聚类算法研究

引用

作者：王均宽重庆邮电大学

学位级别：硕士

随着移动互联网的深入发展与5G通信技术的普及,每天产生的海量数据需要从中挖掘有价值的信息,使得传统的分类与聚类算法在大数据场景下面临挑战。为了提高分类准确率与聚类效率,本文从近邻关系角度出发,提出了关于kNN算法与k-means算法... 详细信息

随着移动互联网的深入发展与5G通信技术的普及,每天产生的海量数据需要从中挖掘有价值的信息,使得传统的分类与聚类算法在大数据场景下面临挑战。为了提高分类准确率与聚类效率,本文从近邻关系角度出发,提出了关于kNN算法与k-means算法的改进方案,以提升两者在大数据场景下的优势。本文的具体工作如下:第一,提出了基于近似近邻的kNN改进算法。由于在不平衡数据集中标准kNN算法寻找的精确邻居不一定是最适合用于分类的邻居,该算法通过参考点衡量数据样本点之间的位置差异,选出更适合用于分类的近似邻居,从而提高分类准确率。在选取参考点时,考虑了训练样本集的分布特征以及候选参考点与已选参考点之间的差异性,区分了有效参考点和无效参考点。最后,通过在UCI公开数据集上的实验表明,在不平衡数据集上,该算法相比标准kNN算法具有更高的分类准确率和几何平均值(G-mean),并且在高维度和分布复杂的数据集中优势更为明显。第二,提出了基于近邻关系的k-means改进算法。该算法利用粒球的思想,为每个簇建立粒球模型,通过减少样本点与簇心之间不必要的距离计算以提升算法的时间性能。首先通过定义粒球间的近邻关系,划分近邻粒球与候选近邻粒球,缩小样本点的搜索空间;其次将粒球内部的样本点划分为“稳定点”与“活跃点”,减少粒球中需要重分配的样本点数量。通过在UCI真实数据集上的实验表明,该算法在误差平方和(SSE)相较于标准k-means算法平均增加约1%的情况下,取得了明显的加速效果,并且随着样本数量、数据维度和聚类中心的增加,算法的加速效果将更加显著。

关键词： kNN k-means 近邻关系不平衡数据集粒球

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

不平衡分类的过采样鲁棒算法研究

不平衡分类的过采样鲁棒算法研究

引用

作者：周豪重庆邮电大学

学位级别：硕士

分类是一种有标签的机器学习,属于监督学习中的一种,在分类中经常会遇到类别不平衡的数据集。类别不平衡导致分类结果会偏向于多数类,对少数类的识别精度不高。现实中的数据集通常包含被错误标记的标签,这种包含错误标签的样本被称为标... 详细信息

分类是一种有标签的机器学习,属于监督学习中的一种,在分类中经常会遇到类别不平衡的数据集。类别不平衡导致分类结果会偏向于多数类,对少数类的识别精度不高。现实中的数据集通常包含被错误标记的标签,这种包含错误标签的样本被称为标签噪声。标签噪声会造成决策边界偏移,降低模型的预测性能,增加模型的复杂程度。当不平衡数据集中存在标签噪声时,会给分类器造成较大的负面影响。采样是一种解决类别不平衡的方式,它通过增加少数类样本的数量或减少多数类样本数量来平衡数据集类别比例,但是通常也会增加噪声样本或丢失数据信息。本文针对带标签噪声的不平衡数据集分类问题,主要进行了如下两个方面的工作:1.当面对带标签噪声的不平衡数据时,现有的采样方法通常有一定局限性,因此本文首次将粒球运用于过采样,提出了一种不限于任何特定数据集、特定分类器和特定场景的通用采样算法,称为粒球过采样。粒球可以拟合数据集的分布,过滤标签噪声和离群样本,通过不断地划分粒球,来拟合数据集的决策边界,离群样本位于粒球之外。计算每个粒球的纯度,噪声样本所在的粒球纯度较低,通过在粒球内部过采样以平衡数据集。实验表明,在不平衡高噪声数据集中,粒球过采样的抗噪性更好。2.本文提出了一个通用的加权过采样算法,通过计算每个少数类样本的近邻样本中多数类的数量以分配每个少数类样本的权重,精确指定每个合成样本的插值位置,使合成样本更接近安全和干净的样本,远离危险样本。危险样本指近邻样本中带有异类样本。这样能大概率地减少新样本中标签噪声样本的数量,这个通用的加权算法可以与多种过采样算法结合。实验表明,不同的过采样算法结合本算法后的性能都优于原始的过采样算法。

关键词：不平衡分类标签噪声过采样权重粒球

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

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

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

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：