期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高维属性智能融合的建设用地动态监管技术实现
被引量:
3
1
作者
李宗华
罗长林
童秋英
《国土资源科技管理》
北大核心
2013年第5期58-62,共5页
加强建设用地监管,是地方政府提高土地利用效率、促进节约集约用地的重要举措。以高维属性智能融合方法为主、时空分析及其他信息技术为辅,按"计划、报批、征收、供应、利用"的建设用地全生命周期管理要求,对多业务、多环节...
加强建设用地监管,是地方政府提高土地利用效率、促进节约集约用地的重要举措。以高维属性智能融合方法为主、时空分析及其他信息技术为辅,按"计划、报批、征收、供应、利用"的建设用地全生命周期管理要求,对多业务、多环节、多属性的建设用地监管内容和分析模型进行研究,提出建设用地监管技术实现方法。开发了建设用地动态监管系统,并以武汉市为例开展系统应用实践,验证了该方法对建设用地动态监管是行之有效的。
展开更多
关键词
建设用地
动态监管
高维属性
融合技术
下载PDF
职称材料
基于FP-growth算法的高维混合属性数据挖掘方法
2
作者
梁树杰
《计算技术与自动化》
2024年第2期88-92,共5页
常规高维混合属性数据挖掘方法多采用云平台技术,无法完整保留数据的结构相似性,使得数据挖掘效率较低。为此,提出了基于FP-growth算法的高维混合属性数据挖掘方法。为了改善数据质量,根据高维混合属性数据在数据库中的存储结构,采用了...
常规高维混合属性数据挖掘方法多采用云平台技术,无法完整保留数据的结构相似性,使得数据挖掘效率较低。为此,提出了基于FP-growth算法的高维混合属性数据挖掘方法。为了改善数据质量,根据高维混合属性数据在数据库中的存储结构,采用了一种固定算法实现数据去噪,并依据数据类型计算分类型和数值型相似度,结合FP-growth算法对频繁项样本分支进行筛选生成项表头,保证数据结构相似性的完整性,通过搜索项表头输出有效关联规则,实现数据挖掘过程。实验结果表明,所提方法具有较高的挖掘效率。
展开更多
关键词
数据挖掘
FP-GROWTH算法
固定算法
高维
混合
属性
下载PDF
职称材料
基于谱聚类的高维类别属性数据流离群点挖掘算法
被引量:
4
3
作者
康耀龙
冯丽露
+1 位作者
张景安
陈富
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第6期1422-1427,共6页
为及时发现数据流中的异常数据、降低网络潜在威胁,提出了基于谱聚类的高维类别属性数据流离群点挖掘算法。分析了数据流具有有序性、高速性和高维性等特征,并探究了离群点的主要来源;利用属性权值量化方法,引入信息熵,将具有较强关联...
为及时发现数据流中的异常数据、降低网络潜在威胁,提出了基于谱聚类的高维类别属性数据流离群点挖掘算法。分析了数据流具有有序性、高速性和高维性等特征,并探究了离群点的主要来源;利用属性权值量化方法,引入信息熵,将具有较强关联性的数据流合并,进而对数据流进行降维以减少干扰;采用谱聚类算法设置关键尺度参数,通过亲和矩阵计算样本与目标之间的距离,将谱聚类变换为无向图分割问题,获取特征矩阵,提取显著的离群点特征;使用距离挖掘方式,在数据流中加入数据块,判断两个邻近数据块之间的概率分布情况,设定滑动窗口,获取数据与滑动窗口间的距离,再与设定的阈值做比较,将离群点加入到集合中完成挖掘。仿真实验结果证明,对于不同大小和不同维度的数据流,该算法所需的执行时间分别在42 s和40 s内,对于数据流大小和维度具有较好的伸缩性,且挖掘出的离群点数据与实际相符。
展开更多
关键词
计算机应用
谱聚类算法
高维
类别
属性
数据流
离群点挖掘
滑动窗口
原文传递
基于K-Means聚类算法的HDMA数据挖掘方法
被引量:
5
4
作者
耿德志
徐乾
《计算机仿真》
北大核心
2021年第2期308-312,共5页
为了提高高维混合属性数据挖掘效果,提出基于K-Means聚类算法的高维混合属性数据挖掘方法。通过分析数值型数据和分类型数据相似度,获取高维混合属性数据度量标准,将簇中心点设为簇里点的平均数值或质心,引入最大距离自动生成k值策略与...
为了提高高维混合属性数据挖掘效果,提出基于K-Means聚类算法的高维混合属性数据挖掘方法。通过分析数值型数据和分类型数据相似度,获取高维混合属性数据度量标准,将簇中心点设为簇里点的平均数值或质心,引入最大距离自动生成k值策略与坐标转换策略,优化聚类结果;依据欧几里得距离聚类剩余数据,根据最大间距对应的数据中心点坐标与半径,实现数据集聚类划分;通过判定聚类后数据噪音类别,计算各类别中类异常因子,经过降序排列,挖掘并标记异常数据。仿真结果表明,所提方法对高维混合属性数据具有理想的聚类优势与较好的挖掘稳定性。
展开更多
关键词
聚类算法
高维
混合
属性
数据挖掘
相似度
下载PDF
职称材料
题名
基于高维属性智能融合的建设用地动态监管技术实现
被引量:
3
1
作者
李宗华
罗长林
童秋英
机构
武汉市国土资源和规划信息中心
出处
《国土资源科技管理》
北大核心
2013年第5期58-62,共5页
基金
国家科技支撑计划项目(2013BAJ05B02)
文摘
加强建设用地监管,是地方政府提高土地利用效率、促进节约集约用地的重要举措。以高维属性智能融合方法为主、时空分析及其他信息技术为辅,按"计划、报批、征收、供应、利用"的建设用地全生命周期管理要求,对多业务、多环节、多属性的建设用地监管内容和分析模型进行研究,提出建设用地监管技术实现方法。开发了建设用地动态监管系统,并以武汉市为例开展系统应用实践,验证了该方法对建设用地动态监管是行之有效的。
关键词
建设用地
动态监管
高维属性
融合技术
Keywords
construction land
dynamic supervision
high-dimensional attribute
intelligent fusion
分类号
F301.2 [经济管理—产业经济]
下载PDF
职称材料
题名
基于FP-growth算法的高维混合属性数据挖掘方法
2
作者
梁树杰
机构
广东茂名幼儿师范专科学校
出处
《计算技术与自动化》
2024年第2期88-92,共5页
基金
广东省教育厅资助项目(2022WTSCX302)
广东茂名幼儿师范专科学校2022年度教育科学“十四五”规划资助项目(2022GMYSKT08)。
文摘
常规高维混合属性数据挖掘方法多采用云平台技术,无法完整保留数据的结构相似性,使得数据挖掘效率较低。为此,提出了基于FP-growth算法的高维混合属性数据挖掘方法。为了改善数据质量,根据高维混合属性数据在数据库中的存储结构,采用了一种固定算法实现数据去噪,并依据数据类型计算分类型和数值型相似度,结合FP-growth算法对频繁项样本分支进行筛选生成项表头,保证数据结构相似性的完整性,通过搜索项表头输出有效关联规则,实现数据挖掘过程。实验结果表明,所提方法具有较高的挖掘效率。
关键词
数据挖掘
FP-GROWTH算法
固定算法
高维
混合
属性
Keywords
data mining
FP-growth algorithm
fixed algorithm
high-dimensional mixed attributes
分类号
TH17 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
基于谱聚类的高维类别属性数据流离群点挖掘算法
被引量:
4
3
作者
康耀龙
冯丽露
张景安
陈富
机构
山西大同大学计算机与网络工程学院
山西大同大学教育科学与技术学院
山西大同大学计算机网络中心
山西大同大学数学与统计学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022年第6期1422-1427,共6页
基金
国家自然科学基金项目(61803241)
大同市平台基地计划项目(2020196)
山西省社会科学院(山西省人民政府发展研究中心)2021年度规划一般项目(YWYB202153)。
文摘
为及时发现数据流中的异常数据、降低网络潜在威胁,提出了基于谱聚类的高维类别属性数据流离群点挖掘算法。分析了数据流具有有序性、高速性和高维性等特征,并探究了离群点的主要来源;利用属性权值量化方法,引入信息熵,将具有较强关联性的数据流合并,进而对数据流进行降维以减少干扰;采用谱聚类算法设置关键尺度参数,通过亲和矩阵计算样本与目标之间的距离,将谱聚类变换为无向图分割问题,获取特征矩阵,提取显著的离群点特征;使用距离挖掘方式,在数据流中加入数据块,判断两个邻近数据块之间的概率分布情况,设定滑动窗口,获取数据与滑动窗口间的距离,再与设定的阈值做比较,将离群点加入到集合中完成挖掘。仿真实验结果证明,对于不同大小和不同维度的数据流,该算法所需的执行时间分别在42 s和40 s内,对于数据流大小和维度具有较好的伸缩性,且挖掘出的离群点数据与实际相符。
关键词
计算机应用
谱聚类算法
高维
类别
属性
数据流
离群点挖掘
滑动窗口
Keywords
computer application
spectral clustering algorithm
high dimensional category attribute
data flow
outlier mining
sliding window
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
基于K-Means聚类算法的HDMA数据挖掘方法
被引量:
5
4
作者
耿德志
徐乾
机构
晋中学院信息技术与工程学院
山西大学计算机与信息技术学院(大数据学院)
出处
《计算机仿真》
北大核心
2021年第2期308-312,共5页
基金
带参照物的聚类集成方法研究(61773247)。
文摘
为了提高高维混合属性数据挖掘效果,提出基于K-Means聚类算法的高维混合属性数据挖掘方法。通过分析数值型数据和分类型数据相似度,获取高维混合属性数据度量标准,将簇中心点设为簇里点的平均数值或质心,引入最大距离自动生成k值策略与坐标转换策略,优化聚类结果;依据欧几里得距离聚类剩余数据,根据最大间距对应的数据中心点坐标与半径,实现数据集聚类划分;通过判定聚类后数据噪音类别,计算各类别中类异常因子,经过降序排列,挖掘并标记异常数据。仿真结果表明,所提方法对高维混合属性数据具有理想的聚类优势与较好的挖掘稳定性。
关键词
聚类算法
高维
混合
属性
数据挖掘
相似度
Keywords
Clustering algorithm
High-dimensional mixed attributes(HDMA)
Data mining
Similarity
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高维属性智能融合的建设用地动态监管技术实现
李宗华
罗长林
童秋英
《国土资源科技管理》
北大核心
2013
3
下载PDF
职称材料
2
基于FP-growth算法的高维混合属性数据挖掘方法
梁树杰
《计算技术与自动化》
2024
0
下载PDF
职称材料
3
基于谱聚类的高维类别属性数据流离群点挖掘算法
康耀龙
冯丽露
张景安
陈富
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2022
4
原文传递
4
基于K-Means聚类算法的HDMA数据挖掘方法
耿德志
徐乾
《计算机仿真》
北大核心
2021
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部