用主成份提取进行数据库聚类预处理

按照相关性最小原则提出数据库主成份提取的聚类预处理方法(DCP-PCE)对高维数据进行降维,以数据对象变异最大方向的投影作为特定数据对象集的主成份,实现分层次主成份聚类提取.用DCP-PCE方法验证主成份对于原有信息全面覆盖的特性,同步解决了综合变量覆盖和降维问题,降低了数据对象集合的相异度和维度,实现了数据对象集合的聚类归约.将聚类分析引入高校数据资源的预处理环节,给出应用实例,为深入探索相关模式提供有效的分析方法.

基于本体核与直方图的聚类预处理方法

围绕数据对象与用户需求之间的关联特性,该文将"本体论"基本理念引入聚类分析过程,定义"本体核"和"客体数据"来表述数据对象在数据空间中的动态分布,并通过弱(强)量本体核构建数据对象间的相互关系.同时,利用"本体核"中客体数据的频数及其同频异值数构造聚类分析直方图,分别使用两种控制聚类合理性函数来确定直方图门限值的预处理算法,获取数据对象的最终聚类归属,并通过应用示例验证方法的可行性和有效性.

基于FCM聚类算法的电力企业营销数据预处理研究

利用数据挖掘技术对电力企业数据进行处理使得处理过程更加简洁有效。分析了现有的数据预处理技术,研究了数据预处理中Z-score标准化和FCM聚类算法,设计了新的数据预处理流程,利用电力营销数据验证了数据预处理的有效性。

Preliminary evaluation of five elephant grass cultivars harvested at different time for sugar production

Five elephant grass cultivars, Pennisetum purpureum, cv. Huanan （Huanan）, P. purpureum, cv. N51 （N51）, P. purpureum, cv. Sumu No. 2 （Sumu-2）, （ Penniseturn americanum x P. purpureum ） x P. purpureum cv. Guimu No. 1 （Guimu-1） and P. americanum cv. Tift23A x P. purpureum cv. Tilt NS1 （Hybrid Pennisetum）, at three harvest stages were studied. With dilute sulfuric acid pretreatment followed by enzymatic hydrolysis, it is found that cel- lulose conversion of the five elephant grass cultivars harvested in August and September is higher than that har- vested in October. The cellulose conversion for elephant grass cultivars harvested in August and September follows an order of Hybrid Pennisetum 〉 Sumu-2 〉 Huanan 〉 Guimu-1 〉 N51. This may be explained by the fact that lignification is gradually strengthened with time, inhibiting degradation of cellulose and hemicellulose. Moreover, cellulose conversions of Hybrid Pennisetum, Sumu-2 and Huanan harvested in August and September are higher based on hierarchical clustering results.

分布式发电系统中机器学习实时应用

提出聚类采样预处理和集成分类器的方法来应对含概念漂移的分布式发电孤岛检测问题。首先提出利用聚类算法对电气信息进行预处理和再采样。然后分析了单一分类器的归纳偏置现象,提出利用集成分类器的互补性提高孤岛检测的准确率。仿真算例中充分考虑了功率不平衡度,本地负荷扰动等因素。实验结果表明,上述两个环节对提高分布式发电孤岛检测的精度和泛化能力具有重要作用。