检索结果-南通市图书馆

基于双因素维归约的单脉冲弧焊电源动特性自适应在线监测实验分析

在线全文

学校读者我要写书评

暂无评论

电焊机 2013年第4期43卷 41-45,99页

作者：高理文薛家祥陈辉林志慧侍威广州中医药大学医学信息工程学院广东广州510006 华南理工大学机械与汽车工程学院广东广州510640

电焊机的种类、基本原理、主电路结构、材料等各方面获得长足发展,并且仍保持良好的发展势头。面对型号、规格日新月异的弧焊电源,要逐一实现自动化监测,较为困难。双因素维归约方法可破解该困局。应用该方法对单脉冲弧焊电源进行动特... 详细信息

电焊机的种类、基本原理、主电路结构、材料等各方面获得长足发展,并且仍保持良好的发展势头。面对型号、规格日新月异的弧焊电源,要逐一实现自动化监测,较为困难。双因素维归约方法可破解该困局。应用该方法对单脉冲弧焊电源进行动特性自适应在线监测实验。结果表明:二类自动评定准确率为97.9167%;五级自动评定准确率83.3333%。该方法对单脉冲弧焊类型具备较高的自动评定能力,有一定的应用价值。

关键词：单脉冲弧焊电源动特性维归约

双因素维归约对特征库未涵盖弧焊类型的监测试验分析

在线全文

学校读者我要写书评

暂无评论

焊接技术 2013年第4期42卷 59-63,6页

作者：高理文薛家祥陈辉林志慧侍威广州中医药大学医学信息工程学院广东广州510006 华南理工大学机械与汽车工程学院广东广州510640

双因素维归约方法,可实现多种弧焊电源动特性自适应在线监测,有望破解监测技术研究落后于弧焊电源创新开发这一困局。为了检验该方法对未在系统考虑范围之内的新型弧焊电源的监测能力,本文在构建特征库时,特意不加入双脉冲焊的检测特征... 详细信息

双因素维归约方法,可实现多种弧焊电源动特性自适应在线监测,有望破解监测技术研究落后于弧焊电源创新开发这一困局。为了检验该方法对未在系统考虑范围之内的新型弧焊电源的监测能力,本文在构建特征库时,特意不加入双脉冲焊的检测特征;然后,对双脉冲焊进行自适应监测试验。结果表明:该方法对双脉冲焊具有良好的监测能力,有力证明了它对特征库未涵盖的弧焊类型的监测性能。这使得普通的应用人员可用本方法所实现的系统对新型焊机进行监测,具有显著的现实意义。

关键词：双脉冲弧焊电源维归约监测

在线全文

学校读者我要写书评

暂无评论

Deep Web入口探测与分类方法研究

计算机应用研究 2009年第12期26卷 4697-4700,4703页

作者：张亮陆余良刘金红解放军电子工程学院网络系合肥230037

传统的使用语料库对入口标签字符串进行匹配的方法受限于语料库的完整性和匹配算法的灵活性。为突破这种局限,引入了基于表单元件统计特征的Deep Web入口探测方法和使用文本分类方法对其进行分类的双层分类模型,并提出了两种特征权重计... 详细信息

传统的使用语料库对入口标签字符串进行匹配的方法受限于语料库的完整性和匹配算法的灵活性。为突破这种局限,引入了基于表单元件统计特征的Deep Web入口探测方法和使用文本分类方法对其进行分类的双层分类模型,并提出了两种特征权重计算方法用于特征选取。在TEL-8 Query Interfaces数据集上,测试结果体现了双层分类模型的优越性和特征向量维归约的必要性。

关键词： DeepWeb 网络爬虫结构特征维归约双层分类模型

在线全文

学校读者我要写书评

暂无评论

对交互特征和自适应聚类算法的研究

对交互特征和自适应聚类算法的研究

作者：汪万紫陕西师范大学

学位级别：硕士

数据生成、收集和存储技术的高速进步使得人们可以收集到海量的数据。随着这些数据复杂程度的提高,需要处理的特征维数越来越高。而在数据挖掘中,这些高维的数据也造成了“维灾难”问题。一般地,有两种方法来避免和解决这一问题。一种... 详细信息

数据生成、收集和存储技术的高速进步使得人们可以收集到海量的数据。随着这些数据复杂程度的提高,需要处理的特征维数越来越高。而在数据挖掘中,这些高维的数据也造成了“维灾难”问题。一般地,有两种方法来避免和解决这一问题。一种是特征选择（Feature Selection）,另一种是通过组合原有特征来构建新的特征从而达到降维的目的,这种方法称为维归约（Dimensionality Reduction）。维归约又称为特征抽取（Feature Extraction）。本文开头简单地讨论了特征选择和维归约技术的研究现状,基本理论和方法,而具体的工作主要有一下几点：（1）讨论了特征交互在数据挖掘中的重要性。首先,对什么是特征交互进行了定义。接着,说明了特征交互在数据挖掘中对其它各个问题的影响及其关键地位。这些问题包括对目标概念的学习,对碎片问题的处理,对辛普森悖论的检测和对设计规则归纳算法的影响。更好的理解特征交互可以帮助大家更好地理解这些问题之间的关系。同时也认识到贪心的规则归纳算法不能有效处理交互特征的这一事实。（2）设计了一个能对高维数据进行降维处理并同时能间接处理特征交互的方法。在特征子集的选择过程中,利用了一个特殊的数据结构来对特征进行评估,并采用了一个特征排序机制来有效地发现特征交互。通过实验,将该方法的性能与其他具有代表性的特性选择算法的性能进行了比较。基于现实数据集的实验结果证明了这个方法的有效性。（3）将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法。该算法利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集中。这样的过程反复进行,直到自适应地得到一个最优结果。基于现实数据集的实验结果证明了这个方法的有效性。

关键词：特征选择维归约特征交互一致性度量线性判别分析二分K均值

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

基于属性加权和归约的朴素贝叶斯算法研究

基于属性加权和归约的朴素贝叶斯算法研究

作者：杨忠强广西大学

学位级别：硕士

数据挖掘就是从大量的数据中提取出人们感兴趣的知识的一个复杂过程。在数据挖掘的众多领域中,数据分类是其中的重要研究领域之一。分类就是一种对数据的分析手段,它的主要作用就是利用分类函数或分类模型把数据库中的各个数据项指定给... 详细信息

数据挖掘就是从大量的数据中提取出人们感兴趣的知识的一个复杂过程。在数据挖掘的众多领域中,数据分类是其中的重要研究领域之一。分类就是一种对数据的分析手段,它的主要作用就是利用分类函数或分类模型把数据库中的各个数据项指定给某个给定的类中。分类有很多算法,其中贝叶斯算法是基于贝叶斯定理而展开的,具有坚实的数学理论基础。贝叶斯分类算法主要利用先验概率通过一系列的计算来得出后验概率。这种方法非常简单,而且利于理解,因此,贝叶斯算法被人们深入研究并应用于许多领域。贝叶斯算法又可以分为朴素贝叶斯算法和贝叶斯网络。本文的重点是对基于属性加权和归约的朴素贝叶斯算法进行研究。工作的内容和取得的成果如下： (1)基于属性加权的朴素贝叶斯算法研究。朴素贝叶斯算法具有简单、高效等特点,但是它完全忽略了属性之间的依赖关系,在属性之间依赖程度较高时,对分类效果的影响比较严重。针对朴素贝叶斯算法要求属性相互独立的前提,提出了一种基于属性加权的方法来削弱属性独立这个限定。在属性加权方法中,采用了协方差理论和卡方拟合统计量两种方法综合确定权重系数。协方差理论主要通过属性值的协方差来表达属性之间的关联,卡方拟合统计量则是采用属性出现的频数来确定权重系数,综合两种方法确定最终的权重系数。这样同时考虑了属性值和属性出现频数两个方面,比较好地表达了属性之间的依赖关系。通过三组对比实验证明,改进的算法在分类正确率方面有一定的提高。 (2)基于归约的朴素贝叶斯算法研究。朴素贝叶斯算法只是对离散的数据有比较理想的分类效果,对于连续型数据和高维数据等都要先进行数据预处理才能进行分类。数据预处理包括离散化、降维等。本文针对朴素贝叶斯算法对高维数据不敏感的问题,采用多种维归约方法对高维数据进行降维处理,其中包括基于主成分分析,信息熵,独立成分分析等方法。对经过上述方法处理后的数据,再使用前面的加权朴素贝叶斯算法进行分类处理。通过实验证明,对经过不同的维归约方法处理的数据进行分类,其中主成分分析方法降维方面比较好,在分类正确率方面信息熵方法稍差一点。

关键词：分类算法朴素贝叶斯算法属性加权权重系数维归约

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

三江并流带旅游地质资源评价模型的研究

昆明理工大学学报（理工版） 2003年第5期28卷 10-12页

作者：庞淑英杨世瑜骆华松昆明理工大学计算中心云南昆明650093 昆明理工大学国土资源工程学院云南昆明650093 云南师范大学旅游与地理科学学院云南昆明650092

从数据挖掘技术的角度研究了三江并流带地区丰富的旅游地质资源数据 ,采用“数据概化”的方法对资源数据集进行“维归约”预处理 .在此基础上 ,利用特尔菲法 (Delphi)确定出各景观旅游地质资源评价因子的权重 ,通过模糊赋值的方法对各... 详细信息

从数据挖掘技术的角度研究了三江并流带地区丰富的旅游地质资源数据 ,采用“数据概化”的方法对资源数据集进行“维归约”预处理 .在此基础上 ,利用特尔菲法 (Delphi)确定出各景观旅游地质资源评价因子的权重 ,通过模糊赋值的方法对各景观的旅游地质资源进行综合赋值 ,从而构造出能充分体现各景观旅游地质资源特征的评价模型 .

关键词：三江并流带地区旅游地质资源评价模型数据挖掘模糊赋值法层次分析法特尔菲法维归约

基于线性判别分析和二分K均值的高维数据自适应聚类方法

在线全文

学校读者我要写书评

暂无评论

郑州轻工业学院学报（自然科学版） 2011年第2期26卷 106-110页

作者：汪万紫裘国永张兵权陕西师范大学计算机科学学院陕西西安710062

将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法:利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集... 详细信息

将线性判别分析和二分K均值聚类耦合在一起,提出了一个适合于高维数据聚类的自适应方法:利用线性判别分析将高维数据集变换成低维数据集,然后在低维数据集上执行二分K均值聚类,并把得到的聚类结果通过一个簇成员指示矩阵H变换到原数据集中.将这样的过程反复进行,直到自适应地得到一个最优结果.基于现实数据集的实验结果证明了该方法的有效性.

关键词：维归约线性判别分析二分K均值高维数据自适应聚类方法