基于Weka的城市建设用地结构特征挖掘研究

城市建设用地结构是城市建设用地状况的直接反映,对其进行研究分析可以了解掌握城市建设用地的现状与内在规律。尝试使用Weka软件,运用其关联分析、聚类、回归方法中的不同算法对城市建设用地结构进行分析,获取了一些有益的结果:(1)通过关联分析得到不同用地间的相关性;(2)通过聚类将全国城市分为5类,并分析了其空间分布特征,即存在均匀分布,又呈现相对聚集现象;(3)通过回归分析得知用地结构与城市规模之间存在一定联系。

应用WEKA数据挖掘软件对针刺治疗类风湿关节炎刺激参数分析

目的:通过文献检索总结临床中针刺治疗类风湿关节炎(RA)的常用手针和电针刺激参数,为针刺治疗RA刺激参数的选择提供文献依据。方法:检索CNKI、VIP、WF、Pubmed、Cochrane Library数据库,确定纳入排除标准,筛选合格的文献,用Endnote X7进行文献管理,EXCEL提取相关针刺刺激参数数据,通过频数分析法、WEKA软件中关联规则分析法对针刺治疗RA的文献进行分析总结。结果:(1)临床治疗类风湿关节炎以手针最常用。(2)手针文献基于频数分析:最常用的刺激参数分别为:0.30 mm×40 mm针灸针、常规穴位直刺、进针深度1~1.5寸、平补平泻手法、间隔10min行针1次、留针30 min、1次/d,共观察30 d。基于关联规则分析:平补平泻法、留针30 min和1次/d最常联合使用,其中以留针时间30 min和1次/d关联性最强。(3)电针文献基于频数分析,最常用的刺激参数分别为:G6805系列电针仪、疏密波、频率60 Hz、以病人耐受为度、留针30 min、1次/d,共观察30 d。基于关联规则分析:电针治疗RA一般采取每日治疗一次,强度以患者耐受为度,持续治疗30 d。结论:手针治疗RA推荐的刺激参数为0.30 mm×40 mm针灸针、常规穴位直刺、进针深度1~1.5寸、平补平泻手法、间隔10 min行针1次、留针30 min、1次/d,连续治疗30 d。电针治疗RA推荐的刺激参数为G6805系列电针仪、疏密波、频率60 Hz、以病人耐受为度、留针30 min、1次/d,连续治疗30 d。

决策树分类的属性选择方法的研究

针对ID3算法偏向于选择取值较多的属性作为测试属性的缺点,引入OneR算法选择属性的相关子集进行分类,降低无关属性和重复属性对分类的影响。实验结果表明,与ID3算法相比优化后的方案提高了ID3算法的分类准确率,降低了分类时间,同时克服了ID3算法的取值偏置问题,优化了分类结果。

集成学习中预测精度的影响因素分析

集成学习被认为是当前数据挖掘、机器学习中提升预测精度的重要方法。在分析集成学习基本概念的基础上,将集成学习模型设计划分为分类器构建、分类器集成和分类结果整合3个阶段,并从分类器误差控制、集成泛化能力提升和应用误差容忍具体对提升集成学习预测精度进行研究探讨,通过实例分析研究3个阶段预测精度的影响因素和提升方法。结果表明,该研究对控制集成学习预测误差、提升预测精度和构建合理高效集成学习模型具有较为重要的指导意义。

气象数据在线融合分析原型系统的实现

在气象数据及其与行业数据的融合分析过程中,数据的收集整理、统计软件的使用、机器学习参数的拟合等都涉及多学科的交叉应用,目前缺乏一套智能的、集成的在线分析系统,即数据获取、加工、分析及输出的一站式平台。针对以上问题,该研究建立了集气象数据统一服务接口(MUSIC)、WEKA二次集成开发、二维及三维可视化输出、外部数据及算法包导入为一体的一站式气象数据在线融合分析原型系统。以海拉尔地区为例,对气象要素进行建模及检验等融合分析,结果表明该系统能够为气象数据在各行业间的融合应用提供一个集约、便捷、快速的在线融合分析平台。同时为其他通用、专业的行业数据分析平台提供快速搭建及实现的思路。

纯磨玻璃结节肺腺癌CT征象与其浸润程度的相关性分析及预测模型构建

目的:探究纯磨玻璃结节(pure ground-glass nodule,pGGN)肺腺癌计算机断层扫描(computed tomography,CT)征象与其浸润程度的相关性,建立CT征象与浸润程度的预测模型。方法:回顾性分析424例经手术切除、病理活检证实且胸部CT表现为pGGN的肺腺癌患者临床资料及CT征象,根据病理活检结果分为非典型腺瘤样增生、原位腺癌、微浸润腺癌和浸润性腺癌4组,对组间差异采用卡方检验或Fisher确切概率法进行统计分析。对有统计学意义的结果,使用怀卡托智能分析环境(Waikato environment for knowledge analysis,WeKa)中的6种学习算法进行预测模型构建,并验证准确性,挑选出最适用于本研究的预测模型。结果:4组间在结节直径、结节密度值上的差异具有统计学意义(P<0.001),对应的直径平均值分别为6.90、8.65、10.71、14.56 mm,对应的密度平均值分别为-633.16、-543.04、-401.03、-322.94 HU,随着病灶的浸润程度加重,结节的直径及密度值呈现明显的上升趋势。4组间在结节边界、分叶、毛刺、血管穿行、胸膜凹陷、空气支气管征、空泡征等的差异具有统计学意义(P<0.05),而结节的生长位置,年龄、吸烟史、直系亲属肺癌家族史等差异无统计学意义(P>0.05)。随机森林算法所构建的模型预测准确率为76.42%~79.72%,Kappa系数为0.597~0.670,受试者工作特征(receiver operating characteristic,ROC)曲线下面积均大于0.9,在误差指标中表现最优,是最适合于本研究的预测模型。结论:pGGN的不同CT征象与其浸润程度密切相关,可以用于建立预测模型。基于随机森林算法所建模型,在有创干预前早期快速识别pGGN浸润程度的平均准确率为78.07%,准确度最高,对肺癌预测具有潜在应用价值。

基于推进的非平衡数据分类算法研究

在现实世界的数据分类应用中,通常会遇到数据不平衡的问题,即数据中一类数据的数量要大于另一类数据的数量。在目前针对非平衡数据的分类问题的解决方案中,推进算法因其能通过多次迭代提高少数类的分类指标来提高分类器的整体性能而有着较好的应用前景。从分析非平衡数据分类性能差的原因入手,通过抑制过度拟合与对少数类的F度量的控制对经典推进算法进行改进,提出了一种改进算法RIFBoost,然后将算法在WEKA系统上与几个传统的分类算法进行了比较。实验结果表明,RIFBoost算法在保留整体精度的同时对少数类的F度量的性能有了一定的提高。