基于相对离群因子的标签噪声过滤方法

分类任务中含有类别型标签噪声是传统数据挖掘中的常见问题,目前还缺少针对性方法来专门检测类别型标签噪声.离群点检测技术能用于噪声的识别与过滤,但由于离群点与类别型标签噪声并不具有一致性,使得离群点检测算法无法精确检测分类数据集中的标签噪声.针对这些问题,提出一种基于离群点检测技术、适用于过滤类别型标签噪声的方法--基于相对离群因子(Relative outlier factor,ROF)的集成过滤方法(Label noise ensemble filtering method based on rel-ative outlier factor,EROF).首先,通过相对离群因子对样本进行噪声概率估计;然后,再迭代联合多种离群点检测算法,实现集成过滤.实验结果表明,该方法在大多数含有标签噪声的数据集上,都能保持优秀的噪声识别能力,并显著提升各种分类模型的泛化能力.

大数据助力乡村旅游智慧化发展研究——以山西为例

随着当今互联网的高速发展,在全球范围内运用大数据推动社会发展、完善经济体系、提升政府管控与服务能力逐步成为世界各国的共识。我国在实施国家大数据的战略背景下,不断推进数字经济发展,尤其是在乡村振兴战略的实施过程中,如何推动乡村数字建设和大数据融合成为乡村振兴和农业现代化发展的战略重点和优先发展方向。本文聚焦大数据与乡村旅游的实际融合与发展,通过分析国内表现突出的乡村旅游大数据平台,挖掘当地乡村旅游智慧化发展中出现的关键特征和影响因素,并在综合考虑山西省乡村旅游的实际水平、发展短板和制约因素基础上,为大数据技术融入山西省数字化乡村旅游提出决策及参考建议。