检索结果-南通市图书馆

基于改进GAN与烟花算法的不完整数据聚类算法研究

在线全文

学校读者我要写书评

暂无评论

基于改进GAN与烟花算法的不完整数据聚类算法研究

作者：王硕辽宁大学

学位级别：硕士

在数据聚类过程中,数据采集设备故障、数据存储不完善等诸多因素都会造成数据不完整,即数据缺少若干个属性。如果直接忽略缺失数据就会无法充分利用其有效信息,导致无法挖掘出缺失数据中潜在的重要信息,最终影响聚类精度,因此研究不完... 详细信息

在数据聚类过程中,数据采集设备故障、数据存储不完善等诸多因素都会造成数据不完整,即数据缺少若干个属性。如果直接忽略缺失数据就会无法充分利用其有效信息,导致无法挖掘出缺失数据中潜在的重要信息,最终影响聚类精度,因此研究不完整数据聚类有着重要的意义和价值。本文针对不完整数据无法直接用于模糊聚类且初始聚类中心随机选取的问题,提出一种改进生成对抗网络（GAN）填补不完整数据并使用改进烟花算法优化模糊C均值（FCM）初始聚类中心的不完整数据模糊聚类算法。首先,针对不完整数据集不能直接进行FCM聚类的问题,本文提出一种改进生成对抗网络（IGAN）的不完整数据填补算法（IGAN-FCM）。第一,为使模型得到更多缺失数据的潜在信息,提高模型填补精度,从而实现对不完整数据缺失值的预测填充。将缺失样本的最近邻样本属性均值加入到GAN模型的生成器中。第二,为增大真实数据与生成数据间的相似性度量,迫使生成器生成尽可能真实数据,重构GAN模型生成器的损失函数。为提高模型训练速度,提出在GAN模型生成器的损失函数中加入自适应加权策略,从而得到IGAN模型。利用不完整数据集中的完整属性训练改进的GAN模型,使模型生成尽可能真实的数据填补缺失属性。其次,对经过IGAN模型填补得到的完整数据集进行聚类分析。由于FCM聚类算法对初始聚类中心敏感,不合适的初始聚类中心极易使FCM陷入局部最优。为此提出一种改进烟花算法优化FCM初始聚类中心的模糊聚类算法（IFWA-FCM）。由于烟花算法能够在局部和全局搜索之间达到较好的平衡,所以采用烟花算法优化FCM算法的初始聚类中心。尽管烟花算法具有较强的局部和全局搜索能力,但固定爆炸半径系数和单一的烟花变异方式,也可能使其陷入局部最优。因此在算法爆炸阶段提出动态爆炸半径系数,在变异阶段引入柯西变异,并使用改进的烟花算法优化FCM完成模糊聚类分析。最后,本文使用UCI数据集中的Blood、Breast和Bupa数据集以及KDD公开的空气质量数据集和MIMIC衍生数据集进行对比实验。实验结果表明,在不同缺失率下所提出的IGAN-FCM与四种经典不完整数据聚类算法相比聚类精度有所提高。且提出的IFWA-FCM与提出的IGAN-FCM在不同数据集下进行对比聚类精度更高,泛化性能更好。

关键词：缺失属性生成对抗网络烟花算法模糊C均值聚类

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

基于属性加权的不完全数模糊c均值聚类算法

大连理工大学学报 2012年第5期52卷 749-754页

作者：李丹顾宏张立勇大连理工大学控制科学与工程学院辽宁大连116024

针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用ReliefF算法评价各维属性的重要程度,通过加权欧式距离将属性权重结合入聚类,并能实现在聚类迭代过程中的... 详细信息

针对现有的不完全数模糊聚类算法未考虑样本各维属性对聚类贡献不同的问题,提出了基于属性加权的不完全数模糊c均值聚类算法.利用ReliefF算法评价各维属性的重要程度,通过加权欧式距离将属性权重结合入聚类,并能实现在聚类迭代过程中的缺失属性、隶属度及聚类中心的一体化求解.实验结果表明,该算法强调了重要属性在不完全数模糊聚类中的作用,能够得到更为准确的聚类结果.

关键词：模糊聚类模糊c均值属性加权不完全数据缺失属性

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的网络属性预测算法研究

基于图神经网络的网络属性预测算法研究

作者：郑昕韬南京大学

学位级别：硕士

在现实世界中,存在大量的网络结构的数据。网络结构会带有若干属性,通常包括节点的信息、边的信息以及网络全局的信息等等。其中,节点的信息会用来描述节点的特征以及状态,例如在一个社交网络中,用户节点的信息就包括用户的身份信息、... 详细信息

在现实世界中,存在大量的网络结构的数据。网络结构会带有若干属性,通常包括节点的信息、边的信息以及网络全局的信息等等。其中,节点的信息会用来描述节点的特征以及状态,例如在一个社交网络中,用户节点的信息就包括用户的身份信息、兴趣爱好等等,而边的信息会用来描述两个节点之间的关系,例如两个用户之间的亲密程度或者用户和商品之间的吸引度,这些信息分别是网络节点的属性以及边的属性,总的称为网络属性。通过研究和掌握网络属性,可以进行不同的任务得到关于网络的潜在信息。但是,网络属性往往是不完整的,这会导致对网络的了解程度下降,不利于挖掘网络潜在的信息。针对缺失的网络属性,通过人为的定点恢复会造成大量的成本损耗,特别是不适用于大规模的网络中。网络属性预测就是想要通过网络中已知的属性,根据具体的算法来预测网络中未知的属性,目的是减少各种成本的损耗,提高未知属性预测的精准度,从而高效的得到网络完整的属性。本文会着眼于网络属性预测问题中的两个子问题,分别是网络链路关系的预测以及网络节点缺失属性的预测。这两种属性分别属于网络属性中边的信息以及节点的信息,链路预测是通过已知的网络属性来预测未知的节点对之间的关系,节点缺失属性预测是根据已知的网络属性来预测节点属性中未知的部分。针对这两个子问题,现有的算法没有有效考虑网络的结构信息以及网络局部的依赖性和相关性。针对上述问题,本文提出了基于图神经网络的网络链路关系预测算法和基于图神经网络的网络节点缺失属性预测算法。首先,本文提出了一种基于双层图神经网络模型的Dual-Graphlrp模型框架,通过消息传递机制来获取图节点的空间结构信息以及属性信息,学习得到关于节点的嵌入向量,构建一种针对两两图节点嵌入向量组合的关系提取器来学习得到两个节点之间的关系,从而预测网络的链路关系。其次,本文提出了一种利用学习得到的图结构进行图自动编码的节点缺失属性预测模型,通过图结构学习算法和图采样算法,得到一个可以反应节点相关性的稀疏图结构,利用带有编码解码过程的图自动编码模型重构得到节点的属性。通过不同场景的实验验证,表明本文提出的算法可以有效预测网络的链路关系以及节点的缺失属性,通过将网络结构信息、网络局部相关性信息和深度学习模型结合可以对网络属性预测起到较大的性能提升。

关键词：网络结构图神经网络网络属性预测链路关系缺失属性

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

粒子群改进模糊C均值的不完整数据聚类

数字技术与应用 2023年第9期41卷 16-18页

作者：邴兆虹黄丽茜华东计算技术研究所

在实际应用中,由于各种原因,采集出来的数据可能是不完整的,比如,数据模糊不清或者是数据丢失。因此在数据库中会经常出现不完整数据,而且没有办法获得数据的真实值[1],如果不对缺失数据作出相应的处理,对后续工作会造成严重影响。为解... 详细信息

在实际应用中,由于各种原因,采集出来的数据可能是不完整的,比如,数据模糊不清或者是数据丢失。因此在数据库中会经常出现不完整数据,而且没有办法获得数据的真实值[1],如果不对缺失数据作出相应的处理,对后续工作会造成严重影响。为解决不完整数据聚类的问题,国内外学者根据现有的聚类方法提出了各种新策略。1模糊聚类对于不完整数据的处理方法主要分为两种:一种是通过估算填充缺失值,即用相对应的已知属性值的平均值等方法来替换缺失属性值;另一种方法是直接删除缺失属性。对不完整数据进行模式识别最早开始于20世纪60年代,例如,基于概率的估算、EM算法[2]等。

关键词：不完整数据数据聚类模式识别缺失值模糊C均值数据丢失粒子群缺失属性

在线全文

学校读者我要写书评

暂无评论

面向不完全攻击数据集的两阶段聚类算法

计算机工程与应用 2016年第4期52卷 61-65,173页

作者：邱江秦拯湖南大学信息科学与工程学院长沙410082

实时攻击数据集含有缺失属性和大量非攻击样本,呈现属性分布不完全和类分布偏斜的特点,不利于聚类分析。针对此问题,提出了一种面向不完全攻击数据集的两阶段聚类算法。算法首先利用标准2-类支持向量机分离数据集中的非攻击样本,使类分... 详细信息

实时攻击数据集含有缺失属性和大量非攻击样本,呈现属性分布不完全和类分布偏斜的特点,不利于聚类分析。针对此问题,提出了一种面向不完全攻击数据集的两阶段聚类算法。算法首先利用标准2-类支持向量机分离数据集中的非攻击样本,使类分布均衡。提出一种不完全样本间的距离度量方法,将该方法应用于最近邻间隔模糊C均值算法实现聚类。实验结果表明,与现有算法相比,提出的算法有效地提高了聚类准确率。

关键词：聚类分析缺失属性支持向量机最近邻间隔

在线全文

学校读者我要写书评

暂无评论

虚拟角色智能决策系统研究

虚拟角色智能决策系统研究

作者：韩丙卫上海交通大学

学位级别：硕士

近年来,随着计算机图形学的快速发展,计算机已经可以渲染出越来越真实的虚拟场景,基于视频游戏的模拟训练系统得到很大的发展。在模拟训练系统中,用户已经可以得到很真实的视觉和听觉体验。但是,近年来游戏中的人工智能技术却进展不大,... 详细信息

近年来,随着计算机图形学的快速发展,计算机已经可以渲染出越来越真实的虚拟场景,基于视频游戏的模拟训练系统得到很大的发展。在模拟训练系统中,用户已经可以得到很真实的视觉和听觉体验。但是,近年来游戏中的人工智能技术却进展不大,导致在模拟训练系统中用户与虚拟角色的互动还比较简单。游戏人工智能有其独特性,游戏人工智能必须在有限的资源下工作,并且其运行速度要快、响应要有实时性。在模拟训练系统中,还要求人工智能模拟的行为要具有真实感,真实感即虚拟角色做出的反应类似人在相应环境下的反应,这种真实性的行为需要良好的决策系统的支持。但现有的游戏人工智能技术都简化了决策系统的设计,虚拟角色做出的响应有限,并且这些响应大多是按照设计者的经验设计的,不能很好的模拟真实状况。所以研究能真实模拟人类行为的决策系统有很重要的意义。本文的研究目标是设计实现一套具有真实感的虚拟角色自治决策系统。为了使决策系统具有真实感,首先设计实现一套虚拟角色的行为模型;其次,模拟人类的视觉和听觉感知模式设计实现一套虚拟角色的感知系统;最后,为了不影响系统的整体运行速度,本文把决策树算法作为决策系统的决策依据。本文的主要研究内容与研究成果如下: （1）建立虚拟角色的行为模型,行为模型包括行为选择、操控和移动。行为模型的主要作用是把决策和行为实现相分离,这种分离的机制有利于具体的实现,并且方便增加和修改行为动作。（2）设计虚拟角色的感知系统,使虚拟角色具有和人类似的感知能力。良好的感知系统是进行决策的前提,并且能提高虚拟角色的真实感,本文主要设计和实现了能模拟人类视觉和听觉的感知系统。（3）设计和实现了一套基于决策树算法的自治智能体决策模型。决策树算法实现简单、效率高,通过对训练数据的处理生成规则,这些规则可以用来表示事物的内在联系,把这些规则应用到行为选择中能很好的模拟人类行为。采用决策树算法实现的决策系统满足游戏人工智能对有限资源和实时响应的要求。（4）提出一种新的缺失属性填充算法。决策树算法处理数据时,要求训练数据的完整性,即训练数据不能含有缺失属性,缺失的属性影响决策结果。但现实中的数据通常是不完整的,为了填充缺失属性,本文提出了一种新的缺失属性填充算法。

关键词：人工智能自治智能体决策模型感知系统决策树缺失属性

基于Bert模型对不完整事件日志的多属性修复

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

洛阳师范学院学报 2024年第2期43卷 17-22页

作者：张振虎王丽丽安徽理工大学数学与大数据学院安徽淮南232001

流程挖掘是从事件日志中自动构建流程模型,并利用其分析、增强、监测实际的业务流程.然而不完整的事件日志会严重影响流程挖掘的结果.因此,修复事件日志是提高过程挖掘结果准确性的举措之一.现有的修复事件日志技术主要修复事件日志中... 详细信息

流程挖掘是从事件日志中自动构建流程模型,并利用其分析、增强、监测实际的业务流程.然而不完整的事件日志会严重影响流程挖掘的结果.因此,修复事件日志是提高过程挖掘结果准确性的举措之一.现有的修复事件日志技术主要修复事件日志中的缺失活动,很少考虑修复日志中多个缺失的属性.现实中日志除了活动缺失,还存在属性缺失现象.针对此问题,提出了一种基于Bert的神经网络模型,用来修复事件中多个属性的缺失.该方法从数据的角度出发,通过Bert模型的预训练任务学习事件中属性之间的依赖关系,根据属性的前后文信息预测缺失的属性值.最后使用公开可用的真实事件日志对所提出的方法进行实验评估,评估结果表明本文所提出方法可以修复事件日志中多属性的缺失,且验证了该方法的准确性.

关键词：修复事件日志缺失属性 Bert模型预训练任务多属性修复