数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimatio...数据流挖掘应用对时间、空间有着较高的要求,因而传统的密度估计方法,如核密度估计法、压缩集密度估计法等并不适用于数据流密度估计.提出一种新颖的面向在线数据流的m-混合聚类核密度估计(m-mixed clustering kernel density estimation,MMCKDE)方法,该方法通过创建MMCKDE节点,用固定个数的混合聚类核获得聚类信息,以代替其他密度估计方法中的所有核.针对数据量不断增加的情况,通过计算Kullback Leibler(KL)距离进行核合并,可进一步以更紧凑的形式表示概率密度估计信息.较之于其他一些方法只能估计整段数据流的密度,MMCKDE方法最终获得的模型不仅适用于整段数据流,还适用于任意时间段上的密度估计.MMCKDE算法同SOMKE算法在不同基准数据集及真实数据集上进行密度估计精度和运行时间的比较.实验结果表明,MMCKDE算法具有更好的性能.展开更多
本文整合Kullback-Leibler距离与分解Ellison and Glaeser指标体系的方法,建立了一个新的空间集中度测度指标,并运用此指标对我国装备制造业空间集中的差异程度进行了经验分析。结果表明,我国某些经济区域已经形成了完整的装备制造业产...本文整合Kullback-Leibler距离与分解Ellison and Glaeser指标体系的方法,建立了一个新的空间集中度测度指标,并运用此指标对我国装备制造业空间集中的差异程度进行了经验分析。结果表明,我国某些经济区域已经形成了完整的装备制造业产业链,有良好的产业基础,部分省份拥有一定程度的产业集群,这些地区都应成为我国重点发展为产业基地。展开更多
文摘本文整合Kullback-Leibler距离与分解Ellison and Glaeser指标体系的方法,建立了一个新的空间集中度测度指标,并运用此指标对我国装备制造业空间集中的差异程度进行了经验分析。结果表明,我国某些经济区域已经形成了完整的装备制造业产业链,有良好的产业基础,部分省份拥有一定程度的产业集群,这些地区都应成为我国重点发展为产业基地。
