基于属性相关分析的离群数据并行挖掘算法

针对高维海量数据集中的局部离群数据,利用并行计算和属性相关性分析思想,给出了一种离群数据并行挖掘算法。该算法首先由主节点分配属性相关分析任务,各个子节点并行查找数据集中的冗余属性,将其冗余属性传回主节点,并由主节点删除;其次,主节点分配搜索任务,各子节点采用微粒群算法,并行搜索局部离群子空间;再次,由主节点对局部离群子空间合并计算后,确定全局离群数据;最后,在MPICH2-1.0.3的并行计算环境下,采用恒星光谱数据作为数据集,实验结果验证了算法的正确性和有效性。

基于属性相关分析中的信息增益计算——五年制高职与三年制高职教育的比较

讨论了数据挖掘中有关属性分析的基本思想,运用信息增益分析方法定量分析了五年制高职与三年制高职学生不同属性分类时的信息增益,为两种教育方式的比较提供依据。

基于属性相关分析的大学生体质检测比较研究

根据数据挖掘中有关属性分析的基本思想,对照《国家学生体质健康标准》运用信息增益分析方法定量分析了三年制高职学生不同性别的年龄、体重、肺活量、坐位体前屈、台阶试验、立定跳远等不同属性的增益,客观评价了甘肃工业职业技术学院体育教育的开展情况。

基于属性相关性分析的高校学生成绩分析应用研究

在高校教育领域,有很多宝贵的数据.通过对这些数据进行有效的挖掘,将结果反馈到课程,将会极大地提高课程质量.使用属性相关性分析技术,创新地提出VA-C5.0挖掘方法,通过对学生课程中所涉及的主客观数据进行数据挖掘、模型构建、模型验证,得到生成树和相应规则集,再与传统挖掘方法相对比,验证其在精确度和时间效率上的优越性.

无指导学习环境下基于属性相关性分析和聚类算法的属性选择问题研究

属性选择可以有效地降低特征维度,去除不相关属性,提高模型准确率以及增加模型的可解释程度。但是,无指导学习环境下的属性选择往往无法取得像有指导学习环境下那样令人满意的结果。先对无指导学习环境下的属性选择研究的现状进行阐述,然后介绍一种新方法———无指导学习环境下基于属性相关性分析和聚类算法的属性选择方法,并且通过实验来验证其有效性和实用性。

产业结构调整的量化分析

产业结构内部各大产业的协调发展对稳定和促进GDP增长的作用巨大,由于资源的稀缺性,如何将有限的社会资源合理分配以协调各大产业的发展成为十分重要的问题。文中引入粗糙集的属性重要性的概念和数据挖掘的属性相关分析法,对安徽省和全国的产业结构指标数据作综合分析,比较分析了三大产业GDP增长的影响程度。结果表明第一和第三产业对安徽省国内生产总值影响较大,而第二产业对全国GDP的增长有突出重要的作用。最后提出了调整和优化安徽产业结构的一些建议。

一种云计算环境中用户身份信息隐私保护方法

以云计算环境下基于身份的密码体制研究为背景,分析模糊身份加密机制的具体流程,主要考虑模糊身份加密机制中用户身份信息的隐私保护问题,将阈值参数δ的选取抽象为身份描述信息集合中属性相关分析的研究;同时提出采用随机掩码技术保护用户身份信息隐私的方案建议.

在动态供应链重构中应用数据挖掘识别企业模式

提出了从各种渠道的数据信息中用数据挖掘识别企业模式的方法。对适用于动态供应链合作伙伴模式识别的特征属性、数据转换和径向基函数神经网络方法进行了较详细的分析,并给出了一个利用数据挖掘方法选择供应商的仿真案例。

数据挖掘技术在地理信息系统中的应用

研究数据挖掘技术在地理信息系统中的应用.着重阐述了属性相关分析,深入讨论了可视化数据挖掘软件的设计与实现,提出了通过高阶关联分析来找到因素间内在的关系.利用属性相关分析挖掘GIS的属性数据,并利用丰富多样的图表显示其结果.可以帮助城市交通、铁路等部门的决策人员进行辅助决策,具有较强的实用性.

寻呼系统中的数据挖掘

寻呼系统中的用户资料库数据具有多维性,如用户类型,开户时间,开户地点,联网方式,速率,BP机类型等。对此类数据的多维分析有助于了解系统负载,资源使用,用户分布,利润等情况。为此,论文运用概念描述的方法对广东省某寻呼台的用户资料库进行了数据挖掘。对寻呼台的领导层制定寻呼台的发展策略可以起到积极的作用。

数据挖掘技术在人脸识别中的应用

人脸识别是一个涵盖多个领域的课题,提出了一种将数据挖掘技术运用于人脸识别的方法,主要是利用数据挖掘中的属性相关分析对标定人脸特征的多个属性进行相关性分析,得到了这些属性的区分度强弱顺序,便于在人脸识别过程中有选择的采用。同时,运用数据挖掘中的K最临近分类方法对所得出的强弱顺序进行测试,结果表明了这种区分方法的正确性、可行性。

CBFS-SVM及其在故障诊断中的应用

本文结合了属性相关性分析及支持向量机分类机理,提出了一种新的故障诊断方法。首先使用基于属性相关性分析的方法对过程特征变量进行简约,去除冗余的过程信息,并降低过程数据的维数,获得具有代表性的过程特征信息,同时充分利用支持向量机的良好推广性能,提高了预测分类精度。对污水处理过程故障诊断实验结果表明了该方法的优越性。

一种基于基尼指标的高维数据离群挖掘算法

针对高维数据集中的离群点挖掘任务,给出了一种基于基尼指标和属性相关性分析的高维数据离群点挖掘算法。该算法首先采用属性相关性分析方法,删除高维数据集中的冗余属性,缩减了数据集的大小;其次采用基尼指标作为离群度量因子,从缩减后的数据集中,挖掘出不同离群程度的数据点;最后,实验采用天体光谱数据作为实验数据集,经实验验证,该算法对高维数据集中离群点的挖掘算法是有效的和可行的,其效率得到了明显的提高。