基于关联规则的人事档案信息资源分类方法

针对当前方法无法准确分析信息特征关系,导致信息资源分类结果的准确率较低的问题,提出了基于关联规则的人事档案信息资源分类方法.利用信息增益,提取待分类信息特征,以信息增益差值为基础,建立评估函数.将特征到对应类别中心的距离作为关联规则,实现信息间内在关系的深层挖掘,通过确定项集并采用训练的方式,完成对人事档案信息资源的分类.实验结果表明,所提方法的分类结果具有较高的可靠性,且在不同的最小支持度下,均可实现精准的资源分类.     

数据关联规则挖掘理论与数据算法的探讨

在众多不确定因素很强的数据中,如何挖掘数据是非常重要的,这时候关联规则挖掘理论就出现了.因此,在数据挖掘的领域中,关联规则有着突出的研究地位.本文从关联规则的产生背景和相关概念做出了论述.     

基于信息增益的Hadoop瓶颈检测算法

当今,Hadoop已经成为了大数据存储和大数据挖掘的主要平台.虽然Hadoop平台通过分布式的机器集群来实现高性能的并行计算,但由于其由廉价主机组成,故当集群负载增大时,便不可避免地在某机器上出现瓶颈.针对此问题,提出一种基于信息增益的瓶颈检测算法,该算法通过计算各个资源的信息增益来检测集群的瓶颈资源.实验证明了该瓶颈检测算法具有可行性.     

基于灰关系与信息增益融合的文本分类模型

针对信息增益模型在文本分类中的不足之处,提出了一种基于灰关系与信息增益的文本分类算法.首先基于改进的χ2统计进行类别特征选择用于类内文本表示,提高类别中心向量的表示能力;其次针对IG模型对低频词赋权过大问题,提出了基于频数和位置的改进加权方法;最后提出了基于灰关系的文本相似度计算途径,改善了基于距离的相似度计算模式的不足.试验表明,此算法提高了文本分类效率.     

一种基于信息增益的K-NN改进算法

K-最近邻(K-nearest neighbor,简称KNN)算法是一种在人工智能领域如专家系统、数据挖掘、模式识别等方面广泛应用的算法.该算法简单有效,易于实现,但是其K值难以确定,而且分类结果易受单个属性干扰.文中提出了一种简单易行的K值确定方法,并利用Quinlan信息增益理论,提出了基于信息增益的K-最近邻改进算法.通过实验证明,改进后的K-NN算法具有较强的抗干扰能力和较好的精确性.     

数据挖掘中的数据分类算法综述

在数据挖掘的过程中,使用到很多分类算法,可见分类算法在数据挖掘中占有非常重要的地位。数据分类算法有很多种,各有不同的优缺点,因此,通过对不同算法特性的研究,有助于后期对算法进行相应的改进,确保新的分类算法能够具备更好的实用性能。数据分类算法的性能优良,不仅可以提高数据挖掘的功能性和实用性,还可以确保使用者对算法具备更多的选择性,基于此,对数据挖掘中不同的数据分类算法进行了研究和分析。     

关于数据挖掘技术与关联规则挖掘算法的研究

随着计算机技术和网络通信技术的不断发展,数据信息逐渐成为当前社会各行各业发展的关键。当今社会人们对计算机应用提出了更高要求,如今人们慢慢的意识到关系数据库有很多缺点和限制,这种问题又推动了数据库在更深领域上的研究。     

基于关联规则的数据挖掘算法的分析及应用

数据挖掘就是从大量的数据中挖掘出有用的信息。数据挖掘与传统的数据分析的本质区别是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。文章分析了数据挖掘算法的关联规则特性,对其在股票市场中的应用进行了重点,以便更好的应用在更多的领域。     

关联规则挖掘与分类规则挖掘的区别和联系

关联规则挖掘与分类规则挖掘是数据挖掘领域中的重要技术。文中首先简要介绍了关联规则挖掘和分类规则挖掘的基本知识,主要从挖掘目的、发现规则算法的方法及算法的设计思想等几个方面进行比较,最后介绍了它们之间的联系。     

基于关联规则的数据挖掘算法

在数据挖掘技术中,基于关联规则的数据挖掘算法是较为重要的一个课题,是我国信息技术领域的热门研究课题。基于此,本文从数据挖掘算法入手,对基于关联规则的数据挖掘算法进行了分析,将这一算法的原理作为基础,提出了提高数据挖掘算法概率的改进措施,意在提高数据挖掘算法的处理效果,使其应用于更多领域中。     

一种基于模糊集合论的信息检索方法

本文介绍一种基于模糊集合论的信息检索方法(简称FIR),引入FIR设计的计算机信息系统,具有一定的人脑进行模糊信息处理的能力,因而更合理,更实用。     

基于直觉模糊集和POWA算子的目标类型识别方法

将编队级目标类型融合识别问题归结为一类具有优先级的不确定多准则决策问题,基于直觉模糊集和POWA算子的基本概念,分别定义了直觉模糊优先有序加权平均算子和直觉模糊混合优先有序加权平均算子,给出了确定其关联权重向量的方法。对编队级目标情报融合识别问题进行数学描述,结合直觉模糊熵权思想和直觉模糊平均加权算子,提出了基于直觉模糊混合优先有序加权平均算子的舰艇编队目标类型融合识别方法,利用实例对方法的有效性进行了说明。     

Fuzzy Set Operation Based on Measure Theory

ＦｕｚｚｙＳｅｔＯｐｅｒａｔｉｏｎＢａｓｅｄｏｎＭｅａｓｕｒｅＴｈｅｏｒｙＭａｎｕｓｃｒｉｐｔｒｅｃｅｉｖｅｄＭａｙ１２，１９９６ＬｕＪｉａｎｐｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒ，Ｘｉ＇ａｎＩｎｓｔｉｔｕｔｅｏｆＰｏｓｔｓａｎｄＴｅｌｅ...     

一种基于混合策略的失衡数据集分类方法

提出了一种有效应用于失衡数据集的分类方法,其核心思想是从样本预处理和分类器改进两方面入手,为失衡数据集的分类问题提供全面的解决方案.首先创造性地采用动态自组织映射聚类的方法对失衡数据集进行重采样,这种采样方法,有效地解决了传统重采样的方法随机性强,人为主观干扰以及信息损失等弊端.随后借助K-近邻规则的思想,对新采集的样本进行剪枝,有效地解决了实际存在的数据混叠现象.算法对SVM的核函数进行等角变换,由此对类边界进行了校准,以适应样本类别失衡的情况.通过对三种算法的对比实验证明了算法在失衡数据集分类上的有效性.本文的算法已经在答案抽取技术中得到了成功应用,并在TREC2006国际QA 评测中得到了客观充分的验证.     

基于边界和模糊集理论的三维图像分割

本文提出了一种基于边界和模糊集理论的三维图象分割方法，利用高斯－拉普拉斯算子检测出图象中各结构的边界后，通过区域增长获取感光趣结构的三维二值模板，由高斯－拉普拉斯图象和二值模板出发，利用模糊集理论，确定感兴趣结构的三维模糊模板，从而达到在体积图象中分割出感兴趣结构的目的。     

基于直觉模糊集的多波段图像融合

为解决微光探测条件下多波段图像融合效果差、信息丢失的问题,提出了基于直觉模糊集的多波段图像融合方法.首先利用最大化熵准则对源图像分别进行直觉模糊处理,其次对隶属度图像进行去模糊后进行非下采样剪切波变换(NSST),得到各自的高频图像和低频图像,然后对高频图像用绝对值取大融合,对低频图像用清晰度取大融合,最后对高频融合图像和低频融合图像进行NSST 逆变换得到最终融合图像.实验结果表明,本方法可对微光探测条件下多波段图像自适应处理,融合结果目标显著,对比度和清晰度大,主观和客观评价指标均优于其他方法.     

基于目标权重和信息增量的传感器管理方法

信息增量最大化只是传感器资源分配的必要条件而并非充分条件,为了同时满足传感器资源分配的充分条件,本文提出了一种基于目标权重和信息增量相结合的方法.该方法在利用交互式多模型(IMM)获取信息增量的基础上,结合由部分排序集合(POSET)方法而得出的目标所需的检测、跟踪和分类等任务的优先级别来对传感器资源进行分配.仿真结果表明,与仅考虑信息增量最大化的方法相比,该方法不仅行之有效而且更能合理地分配有限的传感器资源.     

基于随机集理论的多源信息统一表示与建模方法

 由于信息形式的多样性及其特征的复杂性,使得对不确定、未知性、非精确和不完全等类型信息的表示和建模都要通过相应的方法完成,由于方法的不统一,从而很难实现对异类信息的融合.所以,能否找到一种统一的理论实现多源异类信息的表示与建模,最终实现融合成为信息融合中的关键问题.众多研究者经过多年的探索发现,随机集理论有望解决这个难题.本文首先对各种多源信息进行分类,并介绍几种常用的表示和建模方法及其适用范围;随后引入随机集理论的基本概念和性质,综合论述该理论与已有方法之间的相互转化关系,并进一步论证用随机集统一表示和建模多源信息的可能性;最后,介绍随机集理论在信息融合中的应用并指出未来的发展方向.     

基于水平集的光学层析图像重建

为解决重建图像中异常区域边界不规则这一问题,提出一种基于水平集的光学层析图像重建方法.该方法在背景区域光学参数已知情况下,可以使重建异常目标区域的位置更加接近其真实位置,且实现了异常区域位置和光学参数的同时重建.采用扩散方程作为光子传输模型,基于有限元方法实现正向模型的数值求解,用零水平集曲线表示异常区域边界.实验结果...