一种新的分类评测方法

分类算法的现有评价指标存在一些问题,主要是评测数值在不同的数据集上呈现剧烈波动。为解决这一问题,通过考察数据集对分类结果的影响,提出了一种对分类算法的新评测指标new-macro-F1。这一新评测指标将数据集的因素从评测过程中独立了出来,使得new-macro-F1表示的仅仅是分类算法本身。实验结果表明使用新评测指标,同一分类器在不同数据集上的表现波动较小;通过分类器在一个数据集上的表现,可以近似的估计该分类器在另一数据集上的分类质量。     

一种基于概念层次的分类规则挖掘算法研究

从概念层次的角度,提出了一种新的基本概念层次的分类规则挖掘算法,并阐述了相关概念及属性归纳技术与相关性分析方法,以城市人口与收入信息数据库和测试数据,给出了该算法的试验结果,研究结果表明,本算法生成的决策树大小适合,具有高的分类规则挖掘效率。     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

一种基于Rough Set的分类规则挖掘方法

结合国内外的最新研究成果,提出了一种运用动态约简算法挖掘出大型数据库中稳定的分类规则的有效方法,可以对不断变化的数据库中新出现的对象进行分类,最后通过对其时间复杂度的分析证明了算法的高效性.     

一种基于遗传算法的分类规则挖掘算法

对遗传算法应用于分类规则挖掘问题进行研究,提出一种基于遗传算法和Apriori算法的混合分类规则挖掘算法,该算法的具体方案包括分类规则编码、适应度函数定义以及对进化后的规则的约简方法,最后通过实例仿真证明了该算法的有效性。     

一种新的插值分类方法

提出一种内插法做分类决策(AIMMCD),这种方法使用训练集模式的类标签区分不同模式.与相对于传统的模式识别技术相比,AIMMCD有着自身优势.第一,使用AIMMCD来产生测试模式的类标签时,不需要任何训练过程.即AIMMCD计算效率较高.第二,使用AIMMCD预测真实数据的类标签时,它以合理的方式考虑到训练资料的所有模式中类标签的信息.事实上,该算法假定当训练样本接近一个模式,都会对这个模式类的预测影响很大,而对远离这种模式的训练样本没有什么影响.第三,虽然AIMMCD形式简单,但它不但适用于二分类问题,还可直接用于多分类问题.     

一种新的插值分类方法

提出一种内插法做分类决策(AIMMCD),这种方法使用训练集模式的类标签区分不同模式.与相对于传统的模式识别技术相比,AIMMCD有着自身优势.第一,使用AIMMCD来产生测试模式的类标签时,不需要任何训练过程.即AIMMCD计算效率较高.第二,使用AIMMCD预测真实数据的类标签时,它以合理的方式考虑到训练资料的所有...     

一种分类挖掘算法及其应用

提出一种增量式混合型分类挖掘算法,将基于概率论的符号学习与神经网络学习相结合,能够对既包含离散属性又包含连续属性的多个概念进行有效的分类处理,且具有较强的增量挖掘能力。该算法在法院决策支持系统中得到了运用,取得了较好的效果。     

基于关联的自适应分类规则挖掘方法

讨论了对分类规则的挖掘采用基于关联的分类方法.关联分类规则挖掘方法主要包括两大处理步骤:第一步利用分类关联规则挖掘算法挖掘出有关的分类关联规则;第二步就是基于所挖掘出的分类关联规则构造一个分类器.详细介绍了该方法的实现算法和部分数据结构.     

一种新的多维关联挖掘智能方法

关联规则挖掘在数据挖掘中有着重要的作用.本文提出了采用多维模型的架构将维表进行组织,而且利用项目分块和提取感兴趣的个别属性作为多维关联规则挖掘的基本思想,并利用数据库查询语言实现算法,实现了多维的挖掘,经实验表明该算法的效率大大高于Apriori等算法,且易于实现.     

一种Web文档在线自适应分类新方法

Web文档自动分类是Web挖掘中的重要研究内容。文档向量空间模型(VSM)是实现文档自动分类的基础，但如何排除冗余属性并降低向量空间的维数是一个难点。文中运用粗集理论对由样本文档集合构成的信息系统进行数据泛化，并求取文档的最优规约属性集，大大降低了文档的特征空间的维数，减少了冗余属性对文档分类的干扰，提高了分类效率。运用Fuzzy ARTMAP(adaptive resonance theory mapping)神经网络，利用其自适应分类和增量学习的优良特性，实现了对Web文档的在线自适应分类。     

一种基于组合神经网络的数据分类方法

为了克服单一Kohonen网络和BP网络用于数据挖掘的缺点,提出了一种基于Kohonen和BP组合神经网络的数据分类方法,并给出了该分类方法的基本思想和算法描述.电力变压器故障诊断的仿真实验结果表明,利用该分类方法可以提高数据分类的精确性.     

SDML:基于空间数据库的空间数据挖掘语言

设计了一种基于空间数据库的空间数据挖掘语言SDML.根据SDML操作的对象以及挖掘过程的不同阶段,SDML语言可以分为视图操纵语言和模型操纵语言,分别负责对于数据挖掘视图和模型的操作.详细阐述了SDML的设计思想及其设计方案,针对空间泛化和空间关联这两个典型的空间数据挖掘问题,给出了SDML解决方案.     

基于模糊神经网络的空间数据挖掘方法研究

本文针对庞大空间数据集性质复杂且非线性、持续性及噪音普遍存在的情况，提出利用模糊神经网络模型进行空间数据挖掘，并具体讲述其挖掘步骤及发现知识的类型。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

一种基于模糊分类网络的信息分类方法

针对信息搜索与挖掘中存在的关键词多义性及用户对所要查询信息的分类存在一定的模糊性问题,提出了一种基于模糊分类网络的信息挖掘方法。该方法利用模糊分类网络固有的对模糊信息的非线性处理能力和自适应学习机制,通过对WEB页面大量分类文档信息的学习,建立了基于模糊分类网络的信息分类器和挖掘模型。构造的信息分类模型结构简单、学习收敛速度快且易于实现。文中给出了分类策略和实现算法,并以中国石油网油气管道专题信息分类为例验证了方法的有效性。     

基于空间自相关的环境预测方法

为了研究环境系统模型中非线性因素的影响,提出了一种基于空间自相关神经网络的预测方法,在预测中考虑了空间属性对预测结果的影响。实验表明该方法优于BP神经网络预测方法。     

基于空间数据库的数据挖掘技术

探讨扩展传统数据挖掘方法如分类、关联规则、聚类等到空间数据库的方法，着重对空间数据库系统实现技术及空间数据挖掘系统等进行比较分析，提出了一种空间数据挖掘系统的实现模式。