基于时空因素聚类算法的研究与应用

为了发现移动对象的迁徙轨迹和经停地,提出结合经停地检测算法和单链接聚类算法的方法。通过青海湖鸟类的历史位置信息验证该方法的准确性和有效性,并与应用于本领域的其他方法进行分析比较,如DBSCAN聚类算法、减聚类及模糊聚类算法。结果显示提出的方法能够克服对比算法仅考虑迁徙数据空间位置信息的缺点,准确有效地挖掘出鸟类经停地和迁徙轨迹。

基于摘要的web内容挖掘研究

Internet是一个巨大的,分步广泛的,动态性强的全球信息服务中心,人们想在它上面找到想要的相关信息是很困难的,一般用户通过给搜索引擎提供简短的关键词来检索信息,但是通过搜索引擎返回的相关结果太多,这使得处理相关结果太耗时,本文提出了一种语义虚拟文档(SVD)来表示web文档,在此基础上实现了凝聚层次聚类算法,以自动聚类内容相似的web文档。结果:一方面使网络用户增强了相关结果的判断处理,同时使用户快速、高效的从Internet上发现想要的信息,另一方面返回的结果在知识表示上增强了web内容挖掘。

线性回归模型的多离群点检测方法及节能应用

办公设备能耗可使用线性回归模型进行描述,为检测该类能耗数据的异常点,提出了基于最小截平方和估计的单链接层次聚类多离群点检测算法.首先将该方法在不同类型的典型数据集中进行验证,证明算法具有优良的性能.而后将算法应用于办公设备能耗数据集,通过实验表明算法处理淹没问题及掩盖问题的能力优于其它算法.其不但能够正确确定异常能耗数据,还能够直观地给出各个异常能耗数据的离群程度,管理者可据此制定正确合理的能源管理方案,最终达到节能的目的.