一种有效的用于数据挖掘的动态概念聚类算法

概念聚类适用于领域知识不完整或领域知识缺乏时的数据挖掘任务 .定义了一种基于语义的距离判定函数 ,结合领域知识对连续属性值进行概念化处理 ,对于用分类属性和数值属性混合描述数据对象的情况 ,提出了一种动态概念聚类算法 DDCA(domain- based dynamic clustering algorithm) .该算法能够自动确定聚类数目 ,依据聚类内部属性值的频繁程度修正聚类中心 ,通过概念归纳处理 ,用概念合取表达式解释聚类输出 .研究表明 ,基于语义距离判定函数和基于领域知识的动态概念聚类的算法 DDCA是有效的 .

基于神经网络的概念联想和概念聚类

本文针对信息检索中自动标引和用户的检索提问问题 ,介绍了一种概念空间技术以及采用Hopfield神经网络进行概念联想与概念聚类的算法 ,并对其中部分算法进行了模拟和实验 ,针对存在的问题提出了改进方法 。

配电网拓扑结构概念聚类及其在优化规划中的应用

聚类分析是一种无监督的机器学习方法 ,被广泛应用于各研究领域。在城市配电网优化规划的研究中 ,现有的关于网络拓扑结构分析的一些方法并不适用于配电网优化规划工作 ,而关于配电网拓扑结构聚类分析的研究更是鲜见报道。基于对配电网结构、运行特点以及优化规划工作实际需要的认知 ,提出了一种结合模糊逻辑的配电网拓扑结构概念聚类方法 ,对于推进配电网优化规划问题的研究具有广泛的实际意义。为检验该方法的有效性 ,在该方法的基础上引入几个简单的概念 ,构成一个基本的机器学习模块 ,该模块可以方便地“嵌入”基于Agent行为和范例学习的新型遗传算法中 ,以提高原算法的计算性能。并用算例证明了在引入基于配电网拓扑结构概念聚类的机器学习模块后 ,新型遗传算法具有更高的计算效率和求解质量。

基于概念聚类和面向属性归纳的区划分析

从区划研究的现状出发 ,讨论了概念聚类和面向属性归纳技术 ,并将其结合运用于某地的农业产品区划 。

基于百科词条的本体概念聚类方法研究

该文面向本体关系集合的自动构建,提出一种基于百科词条的本体概念聚类方法,用于发现领域概念之间的语义关系。在给定领域本体概念集合的条件下,该方法首先获取相关的百科词条并建立每一概念的向量模型,然后根据距离判别法进行概念聚类,得到概念间的相近关系。采用该方法对3个领域中的领域概念集合进行聚类,实验结果表明,该文方法比传统聚类算法有更好的聚类结果,有助于概念间关系的自动获取和领域本体自动构建。

面向属性的归纳与概念聚类

面向属性的归纳是新近提出的一种广泛用于数据库中知识发现的方法。指出这种方法与一种机器学习方法——概念聚类之间的紧密联系,并描述如何使用一个概念聚类算法进行面向属性的归纳。

一种启发式的入侵检测警报概念聚类算法

入侵检测系统是一种重要的网络安全防护措施,但是,IDS常常触发大量误警,使得网络安全员不堪重负。基于大量误警是重复发生并且频繁发生这一研究结果,文中运用面向属性归纳的概念聚类方法试图寻找导致IDS产生大量误警的本质原因,实现了一种启发式的入侵检测警报概念聚类算法。该算法能有效识别误警和防止过度概化,减轻网络安全分析员的负担。

面向属性的归纳与概念聚类

面向属性的归纳是新近提出的一种广泛用于数据库中知识发现的方法。文章指出这种方法与一种机器学习方法——概念聚类之间的紧密联系，并描述如何使用一个概念聚类算法进行面向属性的归纳。

基于概念聚类的领域本体图中文文本分类

基于半监督概念聚类技术,提出一种改进的领域本体图中文文本分类算法。根据领域本体图结构模型,创建中文文本分类的本体学习框架,利用HowNet字典实现术语提取并建立中文术语-术语关系映射。依据术语间的权重连接关系,设计二分类关系的KLSeeker本体中文文本分类算法,并通过基于概念聚类的本体图半监督学习,实现中文文本的精确分类。实验结果表明,与基于非负张量分解的中文文本分类算法相比,该算法具有更高的分类精度。

基于二部图的概念聚类研究

传统概念聚类算法中簇的更新和存储不仅依赖于对象数目和属性数目,而且依赖于属性值的数目,这种局限性使其不适用于大型数据集。提出一种新的基于二部图的概念聚类算法(BGBCC),该算法通过获得二部图的近似极大ε二元组集,有效地进行数据与属性的关联聚类。实验表明,该算法能得到较好的聚类结果,且能在较短的时间内进行大型数据集的概念聚类。

不完全知识下的概念聚类

概念聚类通常使用统计的或基于距离的方法．至于逻辑方法，在不完全知识下往往需要引入非单调性．众所周知，在知识“太不完全”时使用非单调方法，将导致“多扩张”问题．本文提出了一种不完全知识下的交互式逻辑聚类方法，该方法在语言学上的应用已取得令人满意的效果．

基于数据流的概念聚类

分析二部图的二元组和概念聚类问题之间的关系,在此基础上结合数据流的特点,提出一种适用于对象属性为布尔型的数据流概念聚类算法。将数据流分段,对每一批到来的数据流,生成局部的近似极大ε二元组集合,对全局的近似极大ε二元组集合进行更新,从而有效地对整个数据流进行聚类。实验结果表明,该算法具有良好的时间效率和空间效率。

基于概念聚类的知识地图模型

本文基于概念聚类的基本算法,针对组织知识管理中知识共享问题,建立一个以知识空间三元组(知识、属性、关系)为背景的知识地图模型。在该模型中,知识按其属性自动聚类成知识节点,描述知识及属性和关系,并将知识节点以偏序关系排列起来,有利于知识的快速查找,提高知识共享的效率,最大限度地发挥知识资本的作用。

一种基于概念聚类的中文文本类簇主题提取方法

本文引入HowNet知识库，实现中文文档的概念聚类．提高文本聚类分析的效率；应用形式概念分析的技术对概念聚类后的中文文本类簇的主题进行抽取。并对类簇间关联进行分析，提高了文本聚类结果的可读性。最后，通过两个实验，评测了该聚类分析和类簇主题抽取方法的优缺点。

基于反馈网络的模糊概念聚类及模式联想

针对知识发现中的模糊信息查询问题 ,提出了一种基于反馈网络的模糊概念聚类及模式联想设计方法。首先按照分类要求对所要查询的概念集合进行量化编码 ,然后对编码后的数据进行规整处理。对于概念聚类采用多层反馈神经网络的FP聚类算法 ,而概念联想采用自反馈神经网络的椭球学习算法实现。将基于上述算法开发出的信息模糊查询系统应用于图书信息查询 ,实验结果证明了该方法的有效性。

浅谈对概念聚类AOI算法分析的改进

随着网络技术的发展,针对网络服务的攻击数量和严重程度显著提高,而这些报警数据大部分都是重复的、无效的。采用经典的面向属性的归纳(Attribute-Oriented Induction,AOI)算法进行概念聚类虽可以大幅度提高处理这些数据的工作量,然而在实际的工作中并不显得非常有效,本文就如何改进其算法作了说细的说明。

概念聚类挖掘方法的客户交易行为分析

本文首先介绍数据挖掘的相关概念 ,再给出一个在证券行业应用的系统。该系统采用概念聚类的挖掘方法 ,从客户的交易行为中提取有价值的信息 ,发现影响客户盈亏的一般性规律。

基于图熵极值理论的领域概念聚类方法

为在领域本体学习过程中实现最优同领域概念聚类并解决概念重叠问题,通过引入图熵极值理论,提出一种新的领域概念聚类方法。依据最大信息熵原理,将图中各概念节点视为一个整体以取代原选取质心的方法,同时利用图熵最小化计算公式设计概念自动聚类机制。实验结果表明,与K-means算法、基于密度和基于距离的领域概念聚类方法相比,该方法可有效提高查准率、查全率以及综合评估指标F值。

基于概念聚类算法的入侵检测警报研究

入侵检测系统是一种重要的网络安全防护措施,但是该系统常常触发大量误警,使得网络安全员不堪重负.基于大量误警是重复发生的前提,本文采用概念聚类的方法推导过滤规则来减少误警,并提出三种改进方法,能有效消除过度概化.

一种基于概念聚类的知识地图模型

针对组织知识管理中知识共享问题,运用知识地图作为工具来促进知识共享,建立了以知识空间三元组(知识、属性、关系)为背景的知识地图模型,并设计了一种知识地图的概念聚类算法.在概念聚类构造的知识地图中,知识按其属性自动聚类成知识节点,它描述了知识及共属性和关系,并将知识节点以偏序关系排列起来.将它作为组织知识共享的工具,有利于知识的快速查找,提高知识共享的效率.最后通过一个案例给出了模型的应用.